时间戳

首页 > 解决方案 > Keras Sequential 不提供输入形状

python - Keras Sequential 不提供输入形状

问题描述

我目前有一个看起来像这样的 keras 模型：

model = keras.Sequential()
model.add(keras.layers.Dense(100, activation=tf.nn.relu))
model.add(keras.layers.Dense(100, activation=tf.nn.relu))
model.add(keras.layers.Dense(len(labels), activation=tf.nn.softmax))

Keras文档告诉我：

模型需要知道它应该期望什么输入形状。出于这个原因，顺序模型中的第一层（并且只有第一层，因为后面的层可以进行自动形状推断）需要接收有关其输入形状的信息

然而，模型实际上训练得很好，没有错误，即使我从未指定输入的形状。

它如何知道预期的形状？如果我不提供输入形状，默认行为是什么？它将如何影响我的模型？

编辑：这是使用tf.keras，也就是 keras 的 Tensorflow 后端

标签： pythontensorflowkeras

解决方案

很好的观察 - 我相信 Keras 文档应该更新。当没有提供输入形状时，Keras 从参数推断它，x然后Model.fit才构建整个模型。具体来说，这就是正在发生的事情：

  1. 在Sequential模型中添加 Keras 层时，由于从未设置参数input_shape（以及扩展名batch_input_shape），因此该属性Model.inputs保持不变None（请参阅 参考资料Sequential.add）。
  2. 然后，在 中Model.fit，他们检查是否Model.inputs已设置（参见Model.fit和Model._standardize_user_data），如果没有，则从提供的输入数组推断输入形状。
  3. 最后，在 中，他们使用推断（参见）Model._set_inputs构建整个模型。input_shapeModel._set_inputs

这可以通过print(model.layers[0].get_weights())在拟合模型之前打印一些权重（例如 ）来验证。你会看到，当参数input_shapeorbatch_input_shape没有提供给模型的第一层时，权重的数组是空的，因为模型尚未构建。

推荐阅读