我正在尝试按照TensorFlow文档中提到的方式对二分类图像分类问题应用数据增强：https://www.tensorflow.org/tutorials/images/classification#data_augmentation
我的模型如下：
Sequential([ data_augmentation, layers.experimental.preprocessing.Rescaling(1./255), layers.Conv2D(16, 3, padding='same', activation='relu'), layers.MaxPooling2D(), layers.Dropout(0.2), layers.Conv2D(32, 3, padding='same', activation='relu'), layers.MaxPooling2D(), layers.Dropout(0.2), layers.Conv2D(64, 3, padding='same', activation='relu'), layers.MaxPooling2D(), layers.Flatten(), layers.Dense(128, activation='relu'), layers.Dropout(0.5), layers.Dense(1, activation='sigmoid')])当我的数据增强层如下设置时，模型可以无错误地编译：
data_augmentation = keras.Sequential( [ layers.experimental.preprocessing.RandomFlip("horizontal", input_shape=(150, 150, 3)), layers.experimental.preprocessing.RandomRotation(0.2), layers.experimental.preprocessing.RandomZoom(0.2) ])如果我在增强层中尝试引入RandomHeight()和/或RandomWidth()，在创建模型时会收到以下错误：
ValueError: The last dimension of the inputs to `Dense` should be defined. Found `None`.您知道这是为什么吗？如何解决这个问题？
回答：
您可以检查RandomWidth-Height输出的形状。RandomWidth类的源代码：
return tensor_shape.TensorShape( [input_shape[0], None, input_shape[2], input_shape[3]])假设我将RandomHeight作为第一层使用，并且input_shape为150 x 150的RGB图像。我们可以通过以下方式确认输出形状：
data_augmentation.summary()Layer (type) Output Shape Param # =================================================================random_height_2 (RandomHeigh (None, None, 150, 3) 0 _________________________________________________________________random_flip_2 (RandomFlip) (None, None, 150, 3) 0 _________________________________________________________________random_rotation_2 (RandomRot (None, None, 150, 3) 0 _________________________________________________________________random_zoom_2 (RandomZoom) (None, None, 150, 3) 0 当您这样使用它，并且如果您在没有密集层的情况下编译模型，您将在模型摘要中看到：
dropout_6 (Dropout) (None, None, 18, 64) 0 _________________________________________________________________flatten_6 (Flatten) (None, None) 0 (None,None)在这里引起了错误。您可以通过使用tf.keras.layers.GlobalMaxPooling2D()代替Flatten()来解决这个问题
虽然这解决了Flatten()层引起的维度问题，但GlobalMaxPooling2D的行为略有不同。
您可以查看这个问题来了解差异。
