Tensorflow 在总结了我的模型之后，输入形状中没有一个

我有这个模型：

 model = tf.keras.models.Sequential([
        tf.keras.layers.Conv2D(64, (3, 3), padding='same',
                               input_shape=(96, 96, 1),
                              kernel_regularizer = tf.keras.regularizers.l2(0.01)),
        tf.keras.layers.BatchNormalization(),
        tf.keras.layers.PReLU(alpha_initializer='zeros'),
        tf.keras.layers.MaxPooling2D((2, 2)),
        
        tf.keras.layers.Conv2D(128, (5, 5), padding='same'),
        tf.keras.layers.BatchNormalization(),
        tf.keras.layers.PReLU(alpha_initializer='zeros'),
        tf.keras.layers.MaxPooling2D((2, 2)),
        
        
        tf.keras.layers.Conv2D(512, (3, 3), padding='same'),
        tf.keras.layers.BatchNormalization(),
        tf.keras.layers.PReLU(alpha_initializer='zeros'),
        tf.keras.layers.MaxPooling2D((2, 2)),
        
        tf.keras.layers.Conv2D(512, (3, 3), padding='same'),
        tf.keras.layers.BatchNormalization(),
        tf.keras.layers.PReLU(alpha_initializer='zeros'),
        tf.keras.layers.MaxPooling2D((2, 2)),
        
        tf.keras.layers.Flatten(),
        tf.keras.layers.Dense(1024),
        tf.keras.layers.BatchNormalization(),
        tf.keras.layers.PReLU(alpha_initializer='zeros'),
        tf.keras.layers.Dropout(0.2),
        
        tf.keras.layers.Dense(1024),
        tf.keras.layers.BatchNormalization(),
        tf.keras.layers.PReLU(alpha_initializer='zeros'),
        tf.keras.layers.Dropout(0.2),
        
        tf.keras.layers.Dense(7, activation='softmax')
    ])
    model.compile(optimizer=tf.keras.optimizers.Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-7),
                  loss="categorical_crossentropy",
                  metrics =['accuracy'])
                  

模型运行良好，训练良好，但当我尝试预测时，我得到了一个奇怪的形状，如下图所示

---

为什么我没有，我的形状是（96,96,1），如何修复它？

没有什么要修复的，批处理维度中的

none

意味着这个维度的大小是可变的。这是有意义的，因为模型可以使用任何批量进行训练。

好的，谢谢，这并没有解决我的问题，但至少我知道这不是问题