使用预训练Xception生成图像块时tf.shape层触发TypeError错误

在基于预训练Xception模型提取图像块的代码中，调用tf.shape触发了TypeError，核心原因是对tf.shape的参数用法存在误解。

错误代码示例 #

# Load the pre-trained Xception model to be used as the base encoder.
xception = keras.applications.Xception(
  include_top=False, weights="imagenet", pooling="avg"
)

for layer in xception.layers:
  layer.trainable = trainable

inputs = layers.Input(shape=(299, 299, 3), name="image_input")
# Preprocess the input image.

patches = tf.image.extract_patches(images=inputs,
                             sizes=[1, 32, 32, 1],
                             strides=[1, 32, 32, 1],
                             rates=[1, 1, 1, 1],
                             padding='VALID')

patches = tf.shape(patches, (None, 73, 73, 1))

xception_input = tf.keras.applications.xception.preprocess_input(patches)

embeddings = xception(xception_input)

return keras.Model(inputs, embeddings, name="vision_encoder")

错误信息 #

TypeError: Exception encountered when calling layer "tf.shape" (type TFOpLambda).

Expected DataType for argument 'out_type' not (None, 73, 73, 1).

Call arguments received:
   • input=tf.Tensor(shape=(None, 9, 9, 3072), dtype=float32)
   • out_type=('None', '73', '73', '1')
   • name=None

错误原因 #

tf.shape的第二个参数out_type用于指定输出形状张量的数据类型（如tf.int32、tf.int64），而非设置张量的目标形状。代码中错误传入形状元组，导致参数类型不匹配，触发TypeError。

如果需要调整张量形状，应该使用tf.reshape而非tf.shape。另外需要注意：当前tf.image.extract_patches输出的张量形状为(None, 9, 9, 3072)，元素总数为9×9×3072=2519424；而你指定的目标形状(None,73,73,1)元素总数为73×73×1=5329，两者不相等，直接reshape会报错，需要先确认目标形状的合理性。

修正后的代码示例 #

假设需求是对每个提取的图像块单独用Xception提取特征，正确的代码如下：

# Load the pre-trained Xception model to be used as the base encoder.
xception = keras.applications.Xception(
  include_top=False, weights="imagenet", pooling="avg"
)

for layer in xception.layers:
  layer.trainable = trainable

inputs = layers.Input(shape=(299, 299, 3), name="image_input")

# 提取图像块
patches = tf.image.extract_patches(
    images=inputs,
    sizes=[1, 32, 32, 1],
    strides=[1, 32, 32, 1],
    rates=[1, 1, 1, 1],
    padding='VALID'
)
# 将patches reshape为 (batch_size, 总块数, 块高度, 块宽度, 通道数)
patches = tf.reshape(patches, (-1, 9*9, 32, 32, 3))

# 对每个图像块单独进行预处理和特征提取
def process_single_patch(patch):
    patch_preprocessed = tf.keras.applications.xception.preprocess_input(patch)
    return xception(tf.expand_dims(patch_preprocessed, axis=0))

embeddings = tf.map_fn(process_single_patch, patches, fn_output_signature=tf.float32)
# 调整输出形状为 (batch_size, 总块数, 特征维度)
embeddings = tf.reshape(embeddings, (-1, 9*9, xception.output_shape[-1]))

return keras.Model(inputs, embeddings, name="vision_encoder")

如果确实需要将张量调整为(None,73,73,1)，请先调整图像块提取参数（如sizes、strides）或修改目标形状，确保元素总数一致后，使用tf.reshape(patches, (-1,73,73,1))完成形状调整。

内容的提问来源于stack exchange，提问作者user19686684