张量通道维度检测为None的问题求助（含SE模块代码）

问题根源分析 #

从你提供的SE模块打印信息来看，虽然运行时张量形状显示为[None, 32, 32, 256]，但静态形状推断失效了——这是因为你在SE模块中使用了动态张量作为切片索引：

index = K.constant(value=out_dim//4,dtype=tf.int32)
scale = KL.add([scale[:, :, :, 0:index], scale[:, :, :, index:2 * index], ...],name=layer_name+'_Add_n')

当用K.constant生成的动态张量作为切片边界时，Keras无法在模型构建阶段静态确定最终张量的通道维度，导致后续Conv2D层无法获取输入通道数（需要这个值初始化卷积核权重），从而触发报错。

修复方案 #

替换手动切片相加的逻辑，改用TensorFlow内置的tf.split操作——这个操作会保留静态形状信息，让Keras能正确推断通道维度。修改SE模块中的对应代码：

def Squeeze_excitation(input_x, origin_x, out_dim, ratio, layer_name):
    print("input shape:",input_x.get_shape().as_list())
    squeeze = KL.GlobalAveragePooling2D(name=layer_name+'_Squeeze_Layer')(input_x)
    excitation = KL.Dense(units=out_dim // ratio, name=layer_name + '_fully_connected1')(squeeze)
    excitation = KL.Activation('relu',name=layer_name+'_relu')(excitation)
    excitation = KL.Dense(units=out_dim, name=layer_name + '_fully_connected2')(excitation)
    excitation = KL.Activation('sigmoid', name=layer_name+'_sigmoid')(excitation)
    excitation = KL.Reshape((1, 1, out_dim))(excitation)
    print("exicitation shape:", excitation.get_shape().as_list())
    scale = KL.multiply([input_x,excitation], name=layer_name+'_multiply')
    print("scale shape:",scale.get_shape().as_list())
    
    # 替换原手动切片逻辑：用tf.split拆分通道后求和
    split_scales = tf.split(scale, num_or_size_splits=4, axis=-1)
    scale = KL.add(split_scales, name=layer_name+'_Add_n')
    
    print("scale shape:", scale.get_shape().as_list())
    return scale

为什么这个方案有效？ #

tf.split会根据out_dim//4（这里是256）的固定值拆分通道维度，TensorFlow能在静态图构建阶段追踪到拆分后的每个子张量通道数是256，相加后的最终张量静态形状会被正确推断为[None, 32, 32, 256]，后续Conv2D层就能正常获取输入通道数，初始化卷积核权重。

验证效果 #

修改后重新运行，你会发现打印的scale shape依然是[None, 32, 32, 256]，但此时这个形状的通道维度是静态确定的，后续Conv2D层不会再触发通道维度为None的报错。

内容的提问来源于stack exchange，提问作者iRedrum