CenterCrop与Resizing层为何自动将training设为true？

这个现象是Keras 3对数据预处理类层的设计特性导致的，具体原因和解决方式如下：

核心原因 #

CenterCrop和Resizing属于预处理层，它们的call方法在定义时默认将training参数设为True，而卷积、池化等常规层的call方法中training参数默认是None（由模型的训练/推断上下文自动传递）。

在Keras的源码实现中，这两个层的调用逻辑类似：

def call(self, inputs, training=True):
    # 层的具体处理逻辑

而像Conv2D这类层的调用逻辑是：

def call(self, inputs, training=None):
    # 层的具体处理逻辑

当构建模型时，层的节点会记录调用时传入的参数值，因此CenterCrop和Resizing的节点会固定training=True，而其他层因为training未被显式设置，所以节点中不会有这个参数。

为什么构造函数不能设置training？ #

training是层的call方法参数，而非构造函数的初始化参数。这两个层的构造函数没有定义training参数，直接在创建层时传入training=False自然会触发参数不识别的错误。

如何修改training状态？ #

如果需要让这两个层在推断模式下运行，可以在**调用层（即连接输入时）**显式传递training参数，而非在构造层时传递：

from keras import Model
from keras.layers import Conv2D, CenterCrop, Input, GlobalMaxPooling2D, Resizing

inputs = [Input(shape=(256, 256, 3))]
outputs = [
    Conv2D(8, (3, 3))(inputs[0]),
    GlobalMaxPooling2D()(inputs[0]),
    # 调用时显式设置training=False
    CenterCrop(128, 128)(inputs[0], training=False),
    Resizing(64, 64)(inputs[0], training=False),
]

model = Model(inputs=inputs, outputs=outputs)

# 验证输出
layers = model.layers
for layer in layers:
    layer_type = type(layer).__name__
    for node in layer._inbound_nodes:
        training_flag = None
        if "training" in node.arguments.kwargs:
            training_flag = node.arguments.kwargs["training"]
        print(layer_type, training_flag)

修改后的输出结果：

InputLayer None
Conv2D None
GlobalMaxPooling2D None
CenterCrop False
Resizing False

内容的提问来源于stack exchange，提问作者Tobias Hermann