Keras Sequential 不提供输入形状

Question

我目前有一个 keras 模型，如下所示：

model = keras.Sequential()
model.add(keras.layers.Dense(100, activation=tf.nn.relu))
model.add(keras.layers.Dense(100, activation=tf.nn.relu))
model.add(keras.layers.Dense(len(labels), activation=tf.nn.softmax))

该Keras文档告诉我：

模型需要知道它应该期望什么输入形状。出于这个原因，顺序模型中的第一层（并且只有第一层，因为后续层可以进行自动形状推断）需要接收有关其输入形状的信息

然而，模型实际上训练得很好，没有错误，即使我从未指定输入的形状。

它如何知道期望什么形状？如果我不提供输入形状，默认行为是什么？它将如何影响我的模型？

编辑：这是使用tf.keras，又名 keras 的 Tensorflow 后端

Answer 1

很好的观察 - 我相信 Keras 文档应该更新。当未提供输入形状时，Keras 会从 的参数x中推断出它，Model.fit然后才构建整个模型。具体来说，这就是正在发生的事情：

1. 在Sequential模型中添加 Keras 层时，由于从未设置参数input_shape（以及扩展名batch_input_shape），因此属性Model.inputs保持不变None（请参阅Sequential.add）。
2. 然后，在 中Model.fit，它们检查是否Model.inputs已设置（参见Model.fit和Model._standardize_user_data），如果没有，则从提供的输入数组推断输入形状。
3. 最后，在 中Model._set_inputs，他们使用推断input_shape（参见Model._set_inputs）构建了整个模型。

这可以通过print(model.layers[0].get_weights())在拟合模型之前打印一些权重（例如）来验证。您将看到，当参数input_shapeorbatch_input_shape未提供给模型的第一层时，权重的数组为空，因为模型尚未构建。