TensorFlow中修改CNN计算图：如何从批量大小1改为任意批量？

我明白你遇到的问题——那段旧代码在TensorFlow 1.4+版本失效，核心原因是set_shape()的设计逻辑变严格了：它只能用来补充或细化张量的形状信息（比如从模糊的None明确为具体数值），而不能反过来把确定的形状（比如batch维度的1）改成不确定的None，这是TF API的预期行为。

下面给你两种规范且通用的解决方案，不需要手动重新定义每个操作：

方法一：导入图时替换原始输入（推荐） #

这是最彻底的方式，从输入层面修改，让整个计算图天然支持任意batch大小：

1. 先创建一个支持任意batch的输入占位符，形状把原来的1替换成None；
2. 导入图定义时，用input_map参数把原始图中的固定batch输入替换成这个新占位符。

示例代码：

import tensorflow as tf
import os

MODEL_DIR = "/path/to/your/model/directory"

# 1. 创建支持任意batch的输入占位符（根据你的模型输入尺寸调整，这里以InceptionV3为例）
new_input = tf.placeholder(
    tf.float32,
    shape=[None, 299, 299, 3],
    name="flexible_input"
)

# 2. 加载预训练图的定义
with tf.gfile.FastGFile(os.path.join(MODEL_DIR, "classify_image_graph_def.pb"), "rb") as f:
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read())

# 3. 导入图并替换原始输入（这里假设原始输入节点名为"input:0"，需要根据你的图结构确认）
tf.import_graph_def(
    graph_def,
    input_map={"input:0": new_input},
    name=""
)

# 验证效果
with tf.Session() as sess:
    pool3 = sess.graph.get_tensor_by_name("pool_3:0")
    print("Pool3形状：", pool3.get_shape())
    # 输出应该是 (None, 2048)，batch维度为None，支持任意大小

方法二：对输出张量做Reshape（快速 workaround） #

如果暂时找不到原始输入节点，或者不想修改输入层，可以直接对目标输出张量做reshape，把固定的batch维度改成动态的：

import tensorflow as tf
import os

MODEL_DIR = "/path/to/your/model/directory"

# 加载并导入原始图
with tf.gfile.FastGFile(os.path.join(MODEL_DIR, "classify_image_graph_def.pb"), "rb") as f:
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read())
tf.import_graph_def(graph_def, name="")

with tf.Session() as sess:
    pool3 = sess.graph.get_tensor_by_name("pool_3:0")
    # 把batch维度从1改成动态的"-1"（代表自动适配输入的batch大小）
    flexible_pool3 = tf.reshape(pool3, shape=[-1] + pool3.get_shape().as_list()[1:])
    print("调整后Pool3形状：", flexible_pool3.get_shape())

为什么旧代码失效？ #

再补充下背景：TensorFlow在1.4之后收紧了set_shape()的约束，因为这个API的设计初衷是帮助TF获取更多形状信息来优化计算，而不是丢弃已有的确定性信息。旧代码试图把明确的1改成None，属于削弱形状信息，所以被API拒绝了。

内容的提问来源于stack exchange，提问作者jeandut