如何在不运行样本数据的情况下获取Keras模型指定输入的输出尺寸？

对于ResNet101这类复杂模型，完全可以不用输入实际样本数据，直接通过模型的内置方法推导输出尺寸，具体方法如下：

方法1：使用compute_output_shape() #

Keras/TensorFlow的Model类提供了compute_output_shape()方法，它会根据层的内置形状计算逻辑，直接推导出给定输入形状对应的输出形状，不需要执行前向传播计算。

示例代码 #

假设你已经定义了支持可变输入的ResNet101模型（输入形状设为(None, None, 3)）：

import tensorflow as tf
from tensorflow.keras.applications import ResNet101

# 定义支持可变输入的ResNet101
input_layer = tf.keras.layers.Input((None, None, 3))
base_model = ResNet101(include_top=False, input_tensor=input_layer)
model = tf.keras.Model(inputs=input_layer, outputs=base_model.output)

# 推导特定输入尺寸的输出形状
input_shape = (1, 64, 64, 3)  # batch维度可设为None或具体值
output_shape = model.compute_output_shape(input_shape)
print("输出形状:", output_shape)
# 输出示例：(1, 2, 2, 2048)（根据ResNet101的池化层结构）

适用场景 #

这个方法完全适配ResNet系列、VGG等内置模型，也支持自定义层（只要自定义层正确实现了compute_output_shape方法）。对于你需要在训练时缩放真值数据的需求，可以在数据预处理阶段，先通过该方法获取当前输入对应的输出尺寸，再对真值做相应的缩放变换。

方法2：基于输入占位符的形状推断（进阶） #

如果遇到极少数不支持compute_output_shape的自定义层，可以用输入占位符直接推断输出形状，同样不会实际运行计算：

input_tensor = tf.keras.Input(shape=(64, 64, 3))
output_tensor = model(input_tensor)
print("输出形状:", output_tensor.shape)

内容的提问来源于stack exchange，提问作者matt