如何将预处理层整合进CNN模型并解决不同尺寸输入适配问题？

我完全懂你的需求——把预处理层（resize 和归一化）直接整合进CNN，这样不管是训练还是预测阶段，不同尺寸的图片都能自动统一成目标大小，不用再单独处理，太省心了！咱们一步步拆解你遇到的问题，逐个解决：

一、先搞定模型summary()报错的问题 #

你一开始调用seq_1.summary()时出现“模型未构建”的错误，核心原因是：你在后面的Conv2D层指定了input_shape=img_shape，这相当于给模型套死了输入尺寸，但前面的resize层本来是要处理任意尺寸的，两者冲突了，而且模型还没见过实际输入数据，无法自动推导层的形状。

解决办法：用Input层定义一个“灵活”的输入，让模型接受任意高度、宽度的RGB图片，然后交给resize层统一处理。修改你的模型定义如下：

# 先保留你的预处理层定义，这部分没问题
resize_and_rescale = tf.keras.Sequential([
    tf.keras.layers.Resizing(150,150),
    tf.keras.layers.Rescaling(1./255)
])

data_augmentation = tf.keras.Sequential([
    tf.keras.layers.RandomFlip(mode="horizontal_and_vertical"),
    # tf.keras.layers.RandomRotation(0.2)
])

# 重新定义主模型
seq_1 = tf.keras.Sequential([
    # 关键：接受任意尺寸的3通道图片输入
    tf.keras.layers.Input(shape=(None, None, 3)),
    # 预处理层自动处理不同尺寸
    resize_and_rescale,
    # 数据增强只在训练时生效，完美符合你的需求
    data_augmentation,
    # 这里不要再加input_shape参数了！让模型自动推导形状
    Conv2D(
        filters=32, kernel_size=(3,3), strides=1,
        activation='relu', use_bias=True),
    MaxPooling2D(pool_size=(2,2), strides=2),
    Conv2D(
        filters=64, kernel_size=(3,3), activation='relu', strides=1,
        use_bias=True),
    MaxPooling2D(pool_size=(2,2), strides=2),
    Flatten(),
    Dense(units=len(df_b['kind'].unique()), activation='relu'),
    Activation(activation='softmax')
])

# 现在再调用summary就不会报错了！
seq_1.summary()

这样定义后，模型明确知道可以接收任意尺寸的输入，resize层会把它们统一转成150x150，后面的卷积层也能自动计算各层的输出形状。

二、解决训练时的Data Cardinality错误 #

你遇到的ValueError: Data cardinality is ambiguous，是因为你的X_train是一个不同尺寸张量的列表，而Keras的fit函数期望的是批量的、格式统一的张量数据。直接传列表会导致Keras无法正确识别数据的维度和批量大小。

解决办法：用tf.data.Dataset来加载和处理数据，它能完美适配不同尺寸的图片，还能提升训练效率。修改你的load_images函数：

def load_images(df):
    paths = df['path'].values
    # 从DataFrame的路径和标签创建数据集
    dataset = tf.data.Dataset.from_tensor_slices((paths, df['kind'].cat.codes))
    
    # 定义加载和预处理单张图片的函数（这里不用提前resize，模型里已经做了）
    def load_and_preprocess(path, label):
        raw = tf.io.read_file(path)
        img = tf.image.decode_png(raw, channels=3)
        return img, label
    
    # 并行加载处理图片，提升速度
    dataset = dataset.map(load_and_preprocess, num_parallel_calls=tf.data.AUTOTUNE)
    return dataset

然后训练的时候，把数据集转换成适合分类任务的格式（转独热标签、批量处理）：

# 加载训练数据集
train_dataset = load_images(df_train)
# 将标签转成独热编码（因为你用的是CategoricalCrossentropy损失）
num_classes = len(df_b['kind'].unique())
train_dataset = train_dataset.map(lambda x, y: (x, tf.one_hot(y, depth=num_classes)))
# 打乱数据、批量处理、预加载提升效率
train_dataset = train_dataset.shuffle(1000).batch(32).prefetch(tf.data.AUTOTUNE)

# 编译模型时注意：你的最后一层是softmax，所以from_logits要设为False
seq_1.compile(
    optimizer='adam',
    loss=tf.keras.losses.CategoricalCrossentropy(from_logits=False),
    metrics=[tf.metrics.CategoricalAccuracy()]
)

# 现在训练就不会报错啦！
seq_1.fit(train_dataset, callbacks=callbacks)

这里还要提个小细节：你之前的损失函数设置了from_logits=True，但最后一层用了softmax，这会导致计算损失时出错——from_logits=True是针对未经过激活函数的原始logits输出的，而softmax已经把输出转成了概率分布，所以一定要改成from_logits=False（或者直接去掉这个参数，默认就是False）。

三、为什么之前的build()方法没用？ #

你之前尝试用seq_1.build(input_shape=(None,150,150,3))，这相当于强制模型只接受150x150的输入，但你的训练数据是原始尺寸的图片，所以fit时自然会出现维度不匹配的错误。而我们用Input(shape=(None, None, 3))让模型接受任意尺寸，再通过resize层自动转换成目标大小，才是真正解决问题的思路。

这样调整后，你的预处理层就完全整合进了模型，不管训练还是预测，直接喂原始尺寸的图片就行，模型会自动处理成150x150，完美符合你的需求！

备注：内容来源于stack exchange，提问作者Jason Rich Darmawan