输入形状明确固定时model.summary()输出形状含None的原因是什么？

核心原因 #

本质是TensorFlow Keras的层形状推断规则，差异来自你有没有在构建模型时显式声明输入形状：

• 第一段代码没给第一层指定输入形状，模型直到第一次收到训练数据才会推断形状，直接用了第一次接收到的批次大小固定了维度
• 第二段代码在Flatten层提前指定了输入形状，构建阶段就保留了批次维度的通用性，用None表示可适配任意批次大小

第一段代码输出(32, 10)的原因

你写的第一个模型，第一层直接用了没加input_shape参数的Dense层，这时候Keras根本不知道你要喂什么形状的数据，不会提前做形状推断。
等你调用model.fit()训练的时候，Keras默认批次大小是32，第一批送进去的训练数据形状正好是(32, 784)，模型这时候才临时推断形状，直接把输入的第一维（批次维度）固定成了第一次拿到的32，所以后面所有层的输出形状第一维都显示为32。

注意：这种模型是有使用限制的，之后你传的所有数据批次大小必须是32，不然会报形状不匹配的错，没法用其他批次大小跑推理或者训练。

第二段代码输出(None, 10)的原因

第二个模型你在第一层Flatten就指定了input_shape=(28, 28)，这个参数只定义了单张样本的形状，Keras会自动把批次维度留成可变的，用None表示这个位置可以是任意正整数。
这种模型是通用的，不管你传批次大小是1、32、64还是其他任何值的输入都能正常处理，所以输出形状的第一维就显示为通用的None。

内容的提问来源于stack exchange，提问作者JJJohn