Tensorflow tf.Keras自定义图层输出形状为“无”

我正在构建一个自定义层，之后添加一个密集层时遇到了输出形状问题。该层的输出形状似乎没有定义，即使我明确地这样做了。以下是再现问题的最基本代码：

import tensorflow as tf
from tensorflow import keras

class fakeLayer(keras.layers.Layer):

    def __init__(self, **kwargs):
        super().__init__(**kwargs)

    def compute_output_shape(self, input_shape):
        return ((input_shape[0], input_shape[1]* input_shape[2], input_shape[3]))

    def build( self, input_shape):
        super().build(input_shape)

    def call(self, inputs):
        return(tf.reshape(inputs , self.compute_output_shape(tf.shape(inputs))))


inp = keras.layers.Input((32,32,3))
x = keras.layers.Conv2D(16, (3,3))(inp)
x = fakeLayer()(x)
# x = keras.layers.Flatten()(x)
# x = keras.layers.Dense(1)(x)
model = keras.models.Model(inputs= inp, outputs = x)

print(model.summary())

输出以下内容：

WARNING:tensorflow:Entity <bound method fakeLayer.call of <__main__.fakeLayer object at 0x0000021A7370E470>> could not be transformed and will be executed as-is. Please report this to the AutoGraph team. When filing the bug, set the verbosity to 10 (on Linux, `export AUTOGRAPH_VERBOSITY=10`) and attach the full output. Cause: 
WARNING: Entity <bound method fakeLayer.call of <__main__.fakeLayer object at 0x0000021A7370E470>> could not be transformed and will be executed as-is. Please report this to the AutoGraph team. When filing the bug, set the verbosity to 10 (on Linux, `export AUTOGRAPH_VERBOSITY=10`) and attach the full output. Cause: 
Model: "model_9"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_37 (InputLayer)        [(None, 32, 32, 3)]       0         
_________________________________________________________________
conv2d_10 (Conv2D)           (None, 30, 30, 16)        448       
_________________________________________________________________
fake_layer_28 (fakeLayer)    (None, None, None)        0         
=================================================================
Total params: 448
Trainable params: 448
Non-trainable params: 0
_________________________________________________________________
None

警告：tensorflow:实体无法转换，将按原样执行。请向签名组报告。在归档bug时，将详细度设置为10（在Linux上，`export AUTOGRAPH\u verbosity=10`），并附加完整的输出。原因：
警告：实体无法转换，将按原样执行。请向签名组报告。在归档bug时，将详细度设置为10（在Linux上，`export AUTOGRAPH\u verbosity=10`），并附加完整的输出。原因：
型号：“型号9”
_________________________________________________________________
层（类型）输出形状参数
=================================================================
输入_37（输入层）[（无、32、32、3）]0
_________________________________________________________________
conv2d_10（conv2d）（无、30、30、16）448
_________________________________________________________________
假层28（假层）（无，无，无）0
=================================================================
总参数：448
可培训参数：448
不可训练参数：0
_________________________________________________________________
没有一个

我们可以看到model.summary（）无法获得层的输出形状

因此，我们在取消对平坦和密集层的注释时会出现此错误：

WARNING:tensorflow:Entity <bound method fakeLayer.call of <__main__.fakeLayer object at 0x0000021A737535C0>> could not be transformed and will be executed as-is. Please report this to the AutoGraph team. When filing the bug, set the verbosity to 10 (on Linux, `export AUTOGRAPH_VERBOSITY=10`) and attach the full output. Cause: 
WARNING: Entity <bound method fakeLayer.call of <__main__.fakeLayer object at 0x0000021A737535C0>> could not be transformed and will be executed as-is. Please report this to the AutoGraph team. When filing the bug, set the verbosity to 10 (on Linux, `export AUTOGRAPH_VERBOSITY=10`) and attach the full output. Cause: 
Traceback (most recent call last):

  File "C:\Users\integration\Documents\Scripts\minimalBug.py", line 31, in <module>
    x = keras.layers.Dense(1)(x)

  File "C:\Users\integration\.conda\envs\py36\lib\site-packages\tensorflow_core\python\keras\engine\base_layer.py", line 817, in __call__
    self._maybe_build(inputs)

  File "C:\Users\integration\.conda\envs\py36\lib\site-packages\tensorflow_core\python\keras\engine\base_layer.py", line 2141, in _maybe_build
    self.build(input_shapes)

  File "C:\Users\integration\.conda\envs\py36\lib\site-packages\tensorflow_core\python\keras\layers\core.py", line 1015, in build
    raise ValueError('The last dimension of the inputs to `Dense` '

ValueError: The last dimension of the inputs to `Dense` should be defined. Found `None`.

警告：tensorflow:实体无法转换，将按原样执行。请向签名组报告。在归档bug时，将详细度设置为10（在Linux上，`export AUTOGRAPH\u verbosity=10`），并附加完整的输出。原因：
警告：实体无法转换，将按原样执行。请向签名组报告。在归档bug时，将详细度设置为10（在Linux上，`export AUTOGRAPH\u verbosity=10`），并附加完整的输出。原因：
回溯（最近一次呼叫最后一次）：
文件“C:\Users\integration\Documents\Scripts\minimalBug.py”，第31行，在
x=keras.层密（1）（x）
文件“C:\Users\integration\.conda\envs\py36\lib\site packages\tensorflow\u core\python\keras\engine\base\u layer.py”，第817行，在调用中__
自我构建（输入）
文件“C:\Users\integration\.conda\envs\py36\lib\site packages\tensorflow\u core\python\keras\engine\base\u layer.py”，第2141行，在构建中
自我构建（输入形状）
文件“C:\Users\integration\.conda\envs\py36\lib\site packages\tensorflow\u core\python\keras\layers\core.py”，第1015行，内部版本
raise VALUERROR（'输入的最后一个维度为'densite`'
ValueError:应定义'Dense'输入的最后一个维度。找到'None'。

我不知道这是否有区别，但这里有双括号，不知道为什么：

def compute_output_shape(self, input_shape):
    #wrong: return ((input_shape[0], input_shape[1]* input_shape[2], input_shape[3]))
    return (input_shape[0], input_shape[1]* input_shape[2], input_shape[3])

现在，真正的问题在于

调用

，在这里你混合了很多不同的东西

• tf.shape

  返回一个张量，而不是元组

• compute\u output\u shape

  返回一个元组
• 如果给

  计算输出形状

  一个张量，它将返回一个张量元组（千万不要这样做！）

• tf.reformate

  接受“元组”或“张量”，但不接受张量元组
• Keras形状是包含

  None

  值的元组，整形接受具有

  -1

  值的元组，而不是

  None

解决方案：

def call(self, inputs):
    keras_shape = keras.backend.int_shape(inputs) #tuple containing None and numbers
    tf_shape_tuple = tuple(-1 if s is None else s for s in keras_shape) #None -> -1

    return tf.reshape(inputs , tf_shape_tuple)

我将使用

tf.shape（x）

来处理

None

shape（）的问题：

对于计算输出形状，我首先将输入形状重新定义为：

from tensorflow.python.framework import tensor_shape

def compute_output_shape(self, input_shape):
    input_shape = tensor_shape.TensorShape(input_shape).as_list()
    return (input_shape[0], input_shape[1]* input_shape[2], input_shape[3])

from tensorflow.python.framework import tensor_shape

def compute_output_shape(self, input_shape):
    input_shape = tensor_shape.TensorShape(input_shape).as_list()
    return (input_shape[0], input_shape[1]* input_shape[2], input_shape[3])