Tensorflow 运行Model.summary（）时尚未生成模型，即使定义了输入层

我对ml比较陌生，正在为视频分类构建CNN+LSTM模型，但在尝试运行Model.summary（）时遇到错误

模型本身的一些背景：我正在使用ImageDataGenerator以15的批量传递（48,48,1）灰度图像。它是二元分类（a或b）

我在model.summary（）中遇到了一个错误，在尝试修复此错误时，遇到了更多错误

以下是我的模型的代码：

from tensorflow.keras import Sequential
from tensorflow.keras.layers import *

cnn = Sequential()

num_timesteps = 2

# 1st conv layer
cnn.add(Conv2D(64,(3,3), padding='same'))
cnn.add(BatchNormalization())
cnn.add(Activation('relu'))
cnn.add(MaxPooling2D(pool_size=(2, 2)))
cnn.add(Dropout(0.5))

# 2nd conv layer
cnn.add(Conv2D(128,(5,5), padding='same'))
cnn.add(BatchNormalization())
cnn.add(Activation('relu'))
cnn.add(MaxPooling2D(pool_size=(2, 2)))
cnn.add(Dropout(0.5))

# 3rd conv layer
cnn.add(Conv2D(512,(3,3), padding='same'))
cnn.add(BatchNormalization())
cnn.add(Activation('relu'))
cnn.add(MaxPooling2D(pool_size=(2, 2)))
cnn.add(Dropout(0.5))

# 4th conv layer
cnn.add(Conv2D(512,(3,3), padding='same'))
cnn.add(BatchNormalization())
cnn.add(Activation('relu'))
cnn.add(MaxPooling2D(pool_size=(2, 2)))
cnn.add(Dropout(0.5))

# flatten
cnn.add(Flatten())

# fully connected 1
cnn.add(Dense(256))
cnn.add(BatchNormalization())
cnn.add(Activation('relu'))
cnn.add(Dropout(0.5))

#fully connected 2
cnn.add(Dense(512))
cnn.add(BatchNormalization())
cnn.add(Activation('relu'))
cnn.add(Dropout(0.5))


model = Sequential()

model.add(Reshape((1, 48, 48, 1)))
model.add(TimeDistributed(cnn, input_shape=(num_timesteps, 48, 48, 1)))
model.add(LSTM(num_timesteps, return_sequences=True))
model.add(Dropout(0.5))
model.add(Dense(1, activation='softmax'))

#model.build(input_shape)

model.summary()

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['acc'])

我收到的错误是：

这个模型还没有建成。首先通过调用

Build（）

或使用一些数据调用

fit（）

来构建模型，或者在第一层中指定一个

input\u shape

参数以进行自动构建

我已经为模型指定了输入，所以我不明白为什么会出现这个错误

我已尝试通过执行以下操作来修复此错误：

我添加了model.build（），但这只会在稍后尝试运行model.predict（）时带来后续错误。它声明“警告：tensorflow:未传递到第一层的

输入形状

的顺序模型无法重新加载其优化器状态。因此，您的模型正在使用新初始化的优化器启动”，然后出现以下错误：

TypeError:传递给参数“input”的值的数据类型uint8不在允许值列表中：float16、bfloat16、float32、float64、int32

我还尝试删除了修复model.summary（）错误的重塑层，但在运行model.fit（）时会出现不同的错误：

检查输入时出错：预期时间\u分布\u 108\u输入有5个维度，但得到了形状为（15,48,48,1）的数组

我也很困惑，为什么我会在这里得到一个错误，就像在查看model.summary输出中的输出形状时一样。很明显，有5个维度（无、2、48、48、64）。据我所知，“无”将替换为批次大小15

因此，我对所有这些错误的理解是，通过使用model.summary（）中的input_形状修复第一个错误，或者使用model.fit（）修复错误，其余的错误将被修复

---

感谢您花时间阅读本文，如果您能帮助解决这些错误，我们将不胜感激

必须将输入形状指定给每个模型的第一层，您不能这样做。@Dr.Snoopy请您解释一下我还应该在哪里指定第一层，或者我应该如何不同地指定第一层。我已经为CNN指定了它，我是否也应该为LSTM指定它？如果不太麻烦的话，你能把你的回答作为“回答”而不是评论吗？谢谢在您的CNN中，第一层（Conv2D）应该有一个输入形状，而在您的LSTM中，重塑层是第一层，因此这一层应该有一个输入形状，通过将其更改为model.add（重塑（（1，48，48，1），输入形状=（48，48，1）），我能够解决这个错误！