如何解决Keras中model has not yet been built报错问题

运行CNN模型调用model.summary()时触发如下报错：

This model has not yet been built. Build the model first by calling `build()` or by calling the model on a batch of data.

• 先核对卷积层data_format参数和input_shape的维度顺序是否匹配：channels_last对应维度顺序为(样本数, 高度, 宽度, 通道数)，指定input_shape时不需要写样本数维度，只需要按顺序写高、宽、通道数即可。如果顺序写反，模型无法推导各层张量形状，就会触发未构建的报错。
• 再核对层堆叠的维度逻辑：Conv2D、MaxPooling2D这类卷积层要求输入是三维的特征图（高、宽、通道），如果在卷积层之前插入Flatten把特征拉成一维向量，下一层卷积会收到维度不合法的输入，直接导致模型构建失败。
• 最后检查冗余参数：Sequential模型仅第一层需要指定input_shape，后续层会自动适配前一层的输出形状，重复给非首层指定input_shape容易引发维度冲突。

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense,Dropout
from tensorflow.keras.layers import Conv2D
from tensorflow.keras.layers import Flatten
from tensorflow.keras.layers import MaxPooling2D
from tensorflow.keras.callbacks import TensorBoard

model = Sequential()
# 修正input_shape维度顺序，匹配channels_last要求
model.add(Conv2D(32, 5, input_shape=(28,28,1), activation='relu', data_format='channels_last'))
model.add(MaxPooling2D(pool_size=(2,2), strides=2))
# 删除插在卷积层之间的Flatten，保留二维特征图供下一层卷积使用
model.add(Conv2D(64, 5, activation='relu', data_format='channels_last'))
model.add(MaxPooling2D(pool_size=2, strides=2))
# 所有卷积、池化操作完成后，再拉平特征接入全连接层
model.add(Flatten())
model.add(Dense(units=32, activation='relu'))
model.add(Dropout(0.4))
# 按任务类型调整输出层：10分类任务（如MNIST手写数字）设units=10配softmax；二分类任务设units=1配sigmoid
model.add(Dense(units=10, activation='softmax'))

model.summary()

• 把首层Conv2D的input_shape从(1,28,28)改为(28,28,1)，对齐channels_last的维度顺序要求。
• 移除了第一个MaxPooling2D之后错误放置的Flatten层，把Flatten挪到第二个MaxPooling2D之后，保证卷积层能收到合法的二维特征输入。
• 删除了第二个Conv2D层冗余的input_shape参数，避免手动指定的形状和前层输出冲突。
• 修正了输出层的逻辑错误：原代码输出单元数为1却用softmax激活不符合逻辑，示例中按常见的MNIST 10分类场景改为units=10，如果做二分类改成units=1, activation='sigmoid'即可。

内容的提问来源于stack exchange，提问作者Ajith