TensorFlow中299×299 RGB图像模型形状为何是299×299×3而非1×1×3？

你的理解确实有误，下面给你拆解清楚：

• 单张RGB图像的形状：(299,299,3)是完全正确的。这里三个维度分别代表：

  • 第一个299：图像的高度（y方向的像素总数）
  • 第二个299：图像的宽度（x方向的像素总数）
  • 第三个3：RGB的颜色通道数（红、绿、蓝各一个通道）
    你说的1×1×3只是单个像素的形状，而整张图像是由299×299个这样的像素组成的，所以必须用(299,299,3)来描述整张图像的张量结构。

• 模型构建时的4维形状m.build([None, 299, 299, 3])：
  这里的None代表批量大小（batch size），也就是模型一次能处理的图像数量（这个值可以灵活调整，比如一次喂32张或64张）。后面三个维度就是单张图像的形状，组合起来就表示模型接受的是「任意数量的、尺寸为299×299的RGB图像」作为输入，比如当你传入600张图像时，输入张量的实际形状就是(600,299,299,3)，这也是教程里说600张这类图像能存入内存的原因——总数据量是600×299×299×3个数值，在常规内存里是完全装得下的。

内容的提问来源于stack exchange，提问作者George