Keras添加数据增强后Dense层报输入最后一维未定义错误

报错核心触发点是数据增强模块中的RandomHeight、RandomWidth两个层：

• 这两个层会随机调整输入图像的高度、宽度，输出的图像高、宽维度是动态可变值，在模型构建阶段会被标记为None
• 动态尺寸的特征经过卷积、池化层后，维度始终无法确定，传入Flatten层展平后，特征维度依然是None
• Dense全连接层在初始化权重时，要求输入的最后一维（特征维度）必须是固定明确的数值，接收到维度为(None, None)的输入时就会抛出你看到的错误。

不加数据增强模块时，输入固定为(224,224,3)，经过各层运算后展平的特征维度是固定可计算的，所以模型可以正常构建、运行，无论使用Sequential顺序结构还是函数式API都会触发相同错误，和建模写法无关。

你可以任选以下一种方案修复：

• 移除数据增强模块中会改变图像尺寸的RandomHeight、RandomWidth层，仅保留RandomFlip、RandomZoom、RandomRotation这类不改变输出尺寸的增强操作，全程保持特征维度固定。
• 如果需要保留随机调整高宽的增强逻辑，在数据增强模块之后添加tf.keras.layers.Resizing(224, 224)层，把经过随机尺寸变换的图像重新统一为固定的224*224尺寸，保证后续层接收到的输入维度确定。
• 把随机尺寸调整的逻辑迁移到ImageDataGenerator中实现，不要放在模型结构内部，ImageDataGenerator生成批次数据时会自动将所有图像统一resize到你指定的target_size，不会出现维度不确定的问题。

train_datagen = ImageDataGenerator(rescale=1./255)
test_datagen = ImageDataGenerator(rescale=1./255)
train_dir = 'C:/train'
test_dir = 'C:/test'
train_data = train_datagen.flow_from_directory(train_dir,target_size=(224,224),class_mode='binary',seed=42)
test_data = test_datagen.flow_from_directory(test_dir,target_size=(224,224),class_mode='binary',seed=42)
tf.random.set_seed(42)
from tensorflow.keras.layers.experimental import preprocessing

data_augmentation = keras.Sequential([
   preprocessing.RandomFlip("horizontal"),
   preprocessing.RandomZoom(0.2),
   preprocessing.RandomRotation(0.2),
   preprocessing.RandomHeight(0.2),
   preprocessing.RandomWidth(0.2),
], name='data_augmentation')

model_1 = tf.keras.Sequential([
  tf.keras.layers.Input(shape=(224,224,3),name='input_layer'),
  data_augmentation,
  # 新增固定尺寸重置层，统一输出尺寸
  tf.keras.layers.Resizing(224, 224),
  tf.keras.layers.Conv2D(20,3,activation='relu'),
  tf.keras.layers.MaxPool2D(pool_size=2),
  tf.keras.layers.Conv2D(20,3,activation='relu'),
  tf.keras.layers.MaxPool2D(pool_size=2),
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(1,activation='sigmoid')
])


model_1.compile(loss=tf.keras.losses.binary_crossentropy,
                optimizer='Adam',
                metrics=['accuracy'])

model_1.fit(train_data,epochs=10,validation_data=test_data)

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