错误:其等级未定义，但图层需要已定义的等级

Question

我让我的tf.keras模型从tf.data.Dataset.from_generator特征大小(224, 224, 1)和标签大小(1, 265)馈送，就像我有265 CLASSES一样。我的批量大小为64，返回的要素大小为(64, 244, 244, 1)，标注大小为(64, 265)

下面是我的训练模型：IM_SIZE = (224, 224, 1)，而DO_FINE_TUNING设置为True和FINE_TUNE_AT = 40

def model_defenition(model_type='ResNet50'):
    if model_type == 'ResNet50':
        base_model = tf.keras.applications.ResNet50(
            include_top = False,
            weights='imagenet'
        )
        print(f'num layers in base model: {len(base_model.layers)}')
        base_model.trainable = DO_FINE_TUNING

        for layer in base_model.layers[:FINE_TUNE_AT]:
            layer.trainable = False

        model = tf.keras.Sequential([
            tf.keras.layers.InputLayer(input_shape=IM_SIZE),
            tf.keras.layers.Conv2D(filters=3, kernel_size=(3, 3), padding='same'),
            base_model,
            tf.keras.layers.GlobalAveragePooling2D(),
            tf.keras.layers.Dense(units = len(CLASSES), activation=tf.nn.softmax)
        ])
        return model
model = model_defenition(model_type='ResNet50')
model.compile(optimizer=OPTIMIZER, loss=LOSS_FN, metrics=METRICS_LIST)
model.summary()

当我按照下面的方法调用model.fit函数时

model.fit(
    train_ds,
    epochs=EPOCHS,
    steps_per_epoch=len(df_train)//BATCH_SIZE,
    validation_data=valid_ds,
    batch_size=BATCH_SIZE,
    verbose=1,
    callbacks=CALLBACKS,
    workers=1,
    use_multiprocessing=True
)

我得到了下面的错误

ValueError: Input 0 of layer sequential is incompatible with the layer: its rank is undefined, but the layer requires a defined rank.

我使用的是tensorflow 2.2.0版。任何关于这方面的帮助都将受到高度的感谢。请随时要求代码的任何其他部分，以重现该问题。

Answer 1

所以这里的问题是Resnet模型也包含Input_layer。

如果您对Resnet模型进行总结，您可以看到这一点。

base_model.summary()

Model: "resnet50"
__________________________________________________________________________________________________
Layer (type)                    Output Shape         Param #     Connected to                     
==================================================================================================
input_10 (InputLayer)           [(None, None, None,  0                                            
__________________________________________________________________________________________________
conv1_pad (ZeroPadding2D)       (None, None, None, 3 0           input_10[0][0]                   
__________________________________________________________________________________________________

因此，我建议先使用base_model，然后使用您自己的层，然后再使用base_model。

另外，顺便说一句，一定要检查resenet模型的文档。它说如果你使用include_top = False，那么你还必须指定input_shape。这也可能是问题所在。一定要检查documentation接口。

我没有完整的代码，所以我不能从这里尝试一切。但我将通过上面的指针来说明。