TensorFlow子类化Model调用build()触发警告，寻求解决方案

警告原因 #

首先明确：Keras的Model是Layer的子类，所以警告里把你的自定义模型称为layer不是笔误，底层逻辑里Model就是一种特殊的Layer，因此build相关逻辑会在layer.py中处理。

当你主动调用model.build(input_shape)时，你的自定义Model没有实现自己的build方法，父类Layer的build逻辑会检查到模型内的子层（Dense层）还处于未构建状态，但又没有自定义逻辑来初始化这些子层，于是触发警告——它会标记模型为“已构建”，但实际子层并未完成构建，这就是警告里提到的“未实际构建却被标记为已构建”的情况。

而model.fit()能正常运行，是因为fit时会自动传入训练数据，触发call方法，此时子层会根据输入数据的形状自动完成权重初始化和构建，所以不会有问题。

解决方法 #

方法1：用Dummy数据触发自动构建（推荐） #

如果只是想提前构建模型以便调用summary()，不需要显式调用build()，直接喂一个符合输入形状的批量dummy数据即可：

import tensorflow as tf

# 假设输入特征数是7，传入1条批量数据（形状为(1,7)）
model(tf.random.normal(shape=(1, 7)))
# 现在可以正常查看模型结构
model.summary()

这种方式完全符合Keras的自动构建逻辑，不会触发任何警告，同时能完成模型构建。

方法2：实现自定义build方法 #

如果一定要显式调用model.build()，可以在自定义Model类中实现build方法，手动触发子层的构建：

class MyModel(Model):
    def __init__(self, **kwargs):
        super().__init__(**kwargs)
        self.layer_hidden1 = Dense(units=10, activation='relu')
        self.layer_hidden2 = Dense(units=10, activation='relu')
        self.layer_output = Dense(units=1, activation='linear')

    def build(self, input_shape):
        # 手动调用每个子层的build方法，传入对应输入形状
        self.layer_hidden1.build(input_shape)
        # 第一个Dense层输出形状为(input_shape[0], 10)，作为第二个Dense的输入形状
        self.layer_hidden2.build((input_shape[0], 10))
        # 第二个Dense层输出形状为(input_shape[0], 10)，作为输出层的输入形状
        self.layer_output.build((input_shape[0], 10))
        # 调用父类build方法标记模型已构建
        super().build(input_shape)

    def call(self, inputs):
        hidden1_out = self.layer_hidden1(inputs)
        hidden2_out = self.layer_hidden2(hidden1_out)
        output = self.layer_output(hidden2_out)
        return output

之后调用model.build((7,))就不会触发警告，模型会正确完成构建，也能正常调用summary()。

补充说明 #

资料里说“子类化Model无需显式实现build方法”是正确的——Keras设计上就是让模型通过输入数据自动触发构建，避免手动处理形状逻辑。只有当你主动调用build()但未实现自定义逻辑时，才会触发这个警告。

内容的提问来源于stack exchange，提问作者Bawb