如何在TensorFlow中重塑张量而不造成计算图断开？

问题原因 #

直接使用tf.reshape属于原生TensorFlow操作，并非Keras层组件，会打破Keras层之间的连接关系，进而引发计算图断开错误。

可行的重塑方法 #

方法一：使用Keras内置的Reshape层 #

这是最规范的方式，Reshape是Keras的原生层，能完美融入计算图：

...
image = tf.keras.layers.Input(INPUT_SHAPE, name='image', dtype=tf.uint8)  
# 替换为Keras Reshape层
image = tf.keras.layers.Reshape((1344, 768, 1))(image)
image_norm = normalize(image)
...

方法二：用Lambda层包装tf.reshape #

如果需要保留tf.reshape的灵活写法，可以把它封装到Lambda层中，使其成为Keras计算图的一部分：

...
image = tf.keras.layers.Input(INPUT_SHAPE, name='image', dtype=tf.uint8)  
# 用Lambda层包装tf.reshape
image = tf.keras.layers.Lambda(lambda x: tf.reshape(x, shape=(-1, 1344, 768, 1)))(image)
image_norm = normalize(image)
...

内容的提问来源于stack exchange，提问作者alryosha