TensorFlow模型首次推理后允许任意尺寸输入，仅应支持224x224的异常问题

核心机制解析 #

1. 模型初始化与形状推断逻辑
   从model.h5加载模型后，若TensorFlow处于默认的eager执行模式，模型在首次推理前处于未完全构建状态。此时：

   • 首次输入不符合预期尺寸（224x225）时，Keras会严格校验输入形状与模型定义的输入层匹配性，直接抛出尺寸不匹配错误。
   • 首次输入符合预期尺寸（224x224）时，模型会基于该输入完成各层的形状初始化，同时缓存动态计算图的执行逻辑。

2. 模型结构的兼容性支持
   你的模型大概率采用了卷积层+全局池化层（如GlobalAveragePooling2D）的结构，而非Flatten层接固定维度全连接层：

   • 卷积层本身不限制输入的空间尺寸（只要输入与卷积核、步长等参数兼容）。
   • 全局池化层会将任意空间尺寸的特征图压缩为固定维度向量，后续全连接层可稳定接收输入，不会因空间尺寸变化报错。

3. 首次推理后的校验跳过
   模型完成首次构建后，eager模式下的后续predict调用会直接执行动态计算图，不再严格校验输入形状与输入层初始定义的匹配性——只要计算流程可正常执行，就不会触发错误。

验证与修复方案 #

• 确认模型结构：执行model.summary()查看输入层形状与最后一层池化/展平类型。若输入层显示(None, 224, 224, 3)且最后使用全局池化，即可对应上述场景。
• 强制锁定输入尺寸：若需严格限制输入尺寸，可重新构建带固定输入形状的模型：

  # 重建固定输入形状的模型
  input_layer = tf.keras.layers.Input(shape=(224, 224, 3))
  output = model(input_layer)
  fixed_model = tf.keras.Model(inputs=input_layer, outputs=output)
  fixed_model.load_weights('weights.h5')
  

  此后任何不符合224x224尺寸的输入都会直接触发形状不匹配错误。

内容的提问来源于stack exchange，提问作者Programmer