Keras Sequential模型添加预处理层时功能异常问题咨询

复现流程 #

• 第一步：导入依赖、加载CIFAR10数据集并完成归一化、标签独热编码处理，构建包含RandomRotation层的Sequential预处理模型DA，代码如下：

import tensorflow.keras as keras
from keras.datasets import cifar10
from keras.models import Sequential
from keras.layers import Dropout, RandomRotation
from tensorflow.keras.utils import set_random_seed; set_random_seed(72)
import matplotlib.pyplot as plt

(ax, ay), (qx, qy) = cifar10.load_data()
ay = keras.utils.to_categorical(ay, 10)
qy = keras.utils.to_categorical(qy, 10)
ax = ax.astype('float32'); ax /= 255
qx = qx.astype('float32'); qx /= 255

DA = Sequential([
    RandomRotation(
        180/360,
        fill_mode="nearest",
        interpolation="bilinear",
        input_shape=(32, 32, 3)
    )
])  

• 第二步：取数据集第一张原图展示，再调用DA模型处理后展示结果，代码如下：

X = ax[0:1,:,:,:]
plt.imshow(X[0])
plt.show()

transformedX = DA(X).numpy()
plt.imshow(transformedX[0,:,:,:])
plt.show()

该阶段运行结果符合预期，图像成功添加随机旋转效果。

• 第三步：将DA模型作为层加入新的Sequential模型，新模型仅包含DA和Dropout(0.25)两层，代码如下：

model = Sequential()
model.add(DA)
model.add(Dropout(0.25))

• 第四步：全程不调用新创建的model，完全复用第二步的代码再次展示原图和DA处理后的输出。
  该阶段出现异常：DA输出的图像和原图完全一致，没有任何随机旋转效果。

额外观测现象 #

• 本地Spyder环境、Google Colab环境均可稳定复现该问题。
• 问题触发后，后续重复运行代码，DA层始终输出原图，仅在Colab中重启实例后运行可再次复现完整流程；本地环境执行%reset命令无法重置状态复现问题。
• 若移除RandomRotation层中input_shape=(32, 32, 3)的配置，该问题不会出现，但常规认知中Keras Sequential模型的首层需要指定input_shape参数。

待确认问题 #

• 该现象是Keras/TensorFlow框架本身的原生Bug，还是代码编写存在不符合框架规范的错误？
• 若属于框架Bug，是否为特定旧版本Keras/TensorFlow独有的问题？

内容的提问来源于stack exchange，提问作者Ricardo