Tensorflow compute_output_shape（）不适用于自定义层

我在Keras中创建了一个自定义层（称为GraphGather），但输出张量打印为：

张量（“图形集合/Tanh:0”，形状=（？，？），数据类型=浮点32）

由于某种原因，形状返回为（？？），这导致下一个致密层产生以下错误：

ValueError:应定义

密集

输入的最后一个维度。找到

无

GraphGather图层代码如下所示：

类图形采集器（tf.keras.layers.Layer）：
定义初始值（自身、批次大小、批次中的摩尔数、激活值=无，**kwargs）：
self.batch\u size=批次大小
self.num\u mols\u in\u batch=num\u mols\u in\u batch
self.activation\u fn=activation\u fn
超级（绘图者，自我）。\uuuuu初始值（**kwargs）
def构建（自我，输入_形状）：
超级（绘图者，自我）。构建（输入形状）
def呼叫（自我、x、**kwargs）：
#某些操作（省略了大部分def调用）
out_tensor=_操作的结果（）#这一行是伪代码
如果self.activation_fn不是None：
输出张量=自激活（输出张量）
out\u张量=out\u张量
返回张量
def计算输出形状（自身、输入形状）：
返回（批处理中的self.num\u mols\u，2*输入\u形状[0][1]））

我还尝试将compute_output_形状硬编码为：

python def计算输出形状（自身、输入形状）： 返回（64150） ``` 然而，打印时的输出张量仍然是

张量（“图形集合/Tanh:0”，形状=（？，？），数据类型=浮点32）

这会导致上面写入的ValueError

---

系统信息

• 已经编写了自定义代码
• **操作系统平台和发行版*：Linux Ubuntu 16.04
• TensorFlow版本（使用下面的命令）：1.5.0
• Python版本：3.5.5

---

我也有同样的问题。我的解决方法是在调用方法中添加以下行：

input_shape = tf.shape(x)

然后：

return tf.reshape(out_tensor, self.compute_output_shape(input_shape))

---

我还没有遇到任何问题。
也许它希望在下一层中有相同数量的示例，而问题在于批量大小组件的形状？