TensorFlow/Keras中Flatten层接收参数的去向及作用相关疑问

核心澄清 #

你观察到的Flatten层参数量为0，属于Keras/TensorFlow的模型参数统计规则导致的视觉错觉，不存在参数真的丢失的情况。

1. 看似"丢失"的参数实际去向 #

• 你提到的51264个参数，全部归属于输出形状为(7, 7, 64)的上游层（通常是Conv2D卷积层），保存在该层的权重变量中，没有被删除、修改或者转移。
• 你可以通过model.layers[对应上游层的索引].get_weights()直接读取到所有51264个参数的完整数值，和是否添加Flatten层完全无关。
• Flatten层本身没有任何可训练参数，所以model.summary()中该层的参数统计列显示为0，只是因为它不持有参数，不是上游层的参数消失了。你可以核对模型总参数量，添加Flatten层前后总参数量完全一致，都包含这51264个参数。

2. 这些参数的作用完全不受影响 #

• Flatten层仅执行张量形状重排操作：将输入的(7,7,64)三维张量拉直为长度为7*7*64=3136的一维张量，全程不修改张量的数值，也不会触碰上游层的参数。
• 推理阶段：上游层的参数正常参与特征计算，输出的特征经过Flatten拉直后输入后续全连接层，所有参数的作用完全保留。
• 训练阶段：反向传播的梯度会经过Flatten层正常回传给上游层，更新这51264个参数，参数的训练逻辑没有任何变化。

内容的提问来源于stack exchange，提问作者Aaron_1993