Keras序列模型的可变输入形状

Question

我有一个Sequential模型定义如下：

model = Sequential([
    BatchNormalization(axis=1,input_shape=(2,4)),
    Flatten(),
    Dense(256, activation='relu'),       
    BatchNormalization(),
    Dropout(0.1),
    Dense(2, activation='softmax')
])

我想改变这个模型来接受可变形状的输入。具体而言，第一维需要是可变的。阅读specifying the input shape上的Keras文档，我看到你可以在input_shape元组中使用None条目，其中None表示可能需要任何正整数。

使用我现有的模型，如果我将input_shape从（2,4）更改为（None，4），我会收到以下错误：

---> Dense(2, activation='softmax')
TypeError: an integer is required

我不是肯定的，但是当模型包含Flatten（）层时，我不相信可以指定变量输入形状。我已经读过Flatten（）需要知道输入形状，因此变量输入形状与Flatten（）不兼容。如果我删除Flatten（）图层，我会收到与上面相同的错误。我不希望这个模型在没有Flatten（）层的情况下工作，因为我认为输入在传递给Dense层之前是平坦的。

鉴于此，任何人都可以解释我如何能够利用可变输入形状？如果这里的问题是Flatten（）层，那么在传递到Dense图层之前输入应该被展平的情况下，解决这个问题的方法是什么？

提前感谢任何建议。

编辑：举例说明潜在的训练集 - 对于上面显示的带有input_shape =（2,4）的模型，训练集可能如下所示，其中集合中的每个2维阵列都有形状（2， 4）：

x_train = np.array([
         [[1, 1.02, 1.3, 0.9], [1.1, 1.2, 0.91, 0.99]], 
         [[1, 1.02, 1.3, 0.9], [1.1, 1.2, 0.91, 0.99]],
         [[1.01 ,1, 1.2, 1.2], [1.3, 1.2, 0.89, 0.98]]
        ])

对于具有input_shape =（None，4）的数据，其中每个数据点的第一维的形状可以变化，第二维固定为4，训练集可能如下所示：

x_train = np.array([
         [[1, 1.02, 1.3, 0.9], [1.1, 1.2, 0.91, 0.99], [1.1, 1.2, 0.91, 0.99]], 
         [[1, 1.02, 1.3, 0.9], [1.1, 1.2, 0.91, 0.99]],
         [[1,1,1,1], [1.3, 1.2, 0.89, 0.98], [1,1,1,1], [1,1,1,1]]
        ])

Answer 1

x_train具有变化的维度，这将在训练阶段引起麻烦。如果wer pad额外为零，它会对您的数据产生重大影响吗？如果没有，找出不同尺寸的最大值并相应地构建新阵列，如下面的jupyter笔记本所示：