Python 具有可变输入形状的Keras中的展平（）层

我正在与一个在Keras中实现的CNN合作，它在某个点上有一个扁平层。现在，我的目标是允许不同的输入形状的图像。因此，我的第一个转换层看起来像：

model.add(Conv2D(...., input_shape=(None, None, 1))

在这个设置中，我的展平层变得不高兴，并告诉我指定输入形状。因此，我目前使用的是GlobalExpooling层，我希望避免使用它

毕竟，为什么扁平层会担心宽度和高度

背景：我尝试训练一个分类网络（分辨率较小），然后使用这个网络进行目标检测（分辨率较高）

---

谢谢

它会影响形状，因为您可能需要将另一层连接到它

---

其特征尺寸将作为下一层创建自身权重的基础。图层不能有可变大小的权重矩阵，因此，它不能有可变大小的特征输入

你能给出错误陈述吗？