TensorFlow模型输出形状不含批量大小的原因及调整方法

为什么summary里看不到32这个批量值？ #

TensorFlow的模型summary默认用None表示批量维度，这是因为模型设计是批量无关的——同一个模型可以适配任意合法的批量大小（比如训练用32，单样本推理用1），不会把固定批量值硬编码进输出形状里。你看到的(None, N_STEPS, N_FEATURES)里的None，就对应你设置的32这个批量维度，实际运行时会自动填充你设置的批量值。

怎么让输出形状显示(32, N_STEPS, N_FEATURES)？ #

有两种实用的方式：

• 用真实输入测试：拿一个批量为32的输入张量喂给模型，直接打印输出形状。比如：

  import tensorflow as tf
  # 构造一个符合输入形状的测试张量
  test_input = tf.random.normal((32, N_STEPS, N_FEATURES))
  # 打印输出形状
  print(model(test_input).shape)
  

  运行后就能看到(32, N_STEPS, N_FEATURES)的结果。
• 固定模型批量大小（不推荐）：如果确定永远用批量32，可以在输入层用batch_input_shape指定，比如：

  input_layer = tf.keras.layers.Input(batch_input_shape=(32, N_STEPS, N_FEATURES))
  

  这样summary里就会直接显示32作为批量维度，但代价是模型无法适配其他批量大小，推理时用单样本或者其他批量会报错，所以只适合场景固定的情况。

内容的提问来源于stack exchange，提问作者Augustin