TensorFlow报错：Sequential层未被调用，无已定义输出

为什么单独的预训练模型能输出output，但Sequential模型不行？ #

单独初始化的EfficientNetV2B3因为指定了input_shape，初始化时就完成了计算图的构建，所以直接访问output能拿到对应的张量信息。而Sequential模型是多个层的组合，即使每层都有明确的shape，整个模型的输出张量需要**完成一次构建（前向传播或手动触发）**才能确定，未构建时访问output就会触发报错。

解决方法 #

• 方法一：手动触发模型构建
  调用build方法，传入输入的shape即可：

  my_model.build(input_shape=(None, 224, 224, 3))
  print(my_model.output)
  

• 方法二：传入dummy输入完成前向传播
  生成一个符合输入格式的随机张量，调用模型一次，触发计算图构建：

  import tensorflow as tf
  dummy_input = tf.random.normal((1, 224, 224, 3))
  _ = my_model(dummy_input)  # 只需要触发一次，不需要保存结果
  print(my_model.output)
  

• 方法三：用Input层替代InputLayer
  改用Input(shape=...)定义输入层，部分场景下能让Sequential自动完成构建：

  from tensorflow.keras import Input, Sequential, layers
  
  my_model = Sequential([
      Input(shape=(224, 224, 3)),
      layers.Rescaling(scale=1./127.5, offset=-1),
      base_model,        
      layers.GlobalAveragePooling2D(),
      layers.Dense(256, activation='relu'),
      layers.Dropout(0.4),
      layers.Dense(128, activation='relu'),
      layers.Dropout(0.4),
      layers.Dense(6, activation='softmax')
  ])
  print(my_model.output)
  

内容的提问来源于stack exchange，提问作者Gowtham