tf.keras.layers.Flatten()未生效原因咨询

原因解析 #

Keras的Flatten层是为神经网络批量输入场景设计的，默认保留第一个维度作为批量维度，仅展平从第二个维度开始的所有维度。你的输入张量x形状为(14, 2)，在Keras层的逻辑中会被识别为(批量大小=14, 特征维度=2)——不存在需要展平的后续维度，因此输出形状和输入完全一致。

解决方案 #

方法1：适配Keras层的批量维度逻辑

给输入张量增加一个批量维度，让Flatten层能正确展平特征部分，之后可按需移除批量维度：

import tensorflow as tf

# 创建形状为(14, 2)的张量
x = tf.constant([[1, 2], 
                 [3, 4], 
                 [5, 6], 
                 [7, 8], 
                 [9, 10],
                 [11, 12],
                 [13, 14], 
                 [15, 16], 
                 [17, 18], 
                 [19, 20], 
                 [21, 22], 
                 [23, 24], 
                 [25, 26], 
                 [27, 28]])

# 增加批量维度，形状变为(1, 14, 2)
x_with_batch = tf.expand_dims(x, axis=0)
y = tf.keras.layers.Flatten()(x_with_batch)
# 移除批量维度，得到形状(28,)的张量
y = tf.squeeze(y)

print(x)
print(y)

方法2：直接用tf.reshape展平

如果不需要适配Keras的批量输入逻辑，直接使用tf.reshape会更简单直接：

import tensorflow as tf

# 创建形状为(14, 2)的张量
x = tf.constant([[1, 2], 
                 [3, 4], 
                 [5, 6], 
                 [7, 8], 
                 [9, 10],
                 [11, 12],
                 [13, 14], 
                 [15, 16], 
                 [17, 18], 
                 [19, 20], 
                 [21, 22], 
                 [23, 24], 
                 [25, 26], 
                 [27, 28]])

# 直接展平为一维张量，-1表示自动计算维度大小
y = tf.reshape(x, (-1,))

print(x)
print(y)

内容的提问来源于stack exchange，提问作者Rocky