当TensorFlow 2.7.0 发布时,其中一个主要的突破性变化是:
tf.keras: 方法Model.fit()、Model.predict()和Model.evaluate()将不再提升形状的输入数据(batch_size,)成为(batch_size, 1)。这使Model 子类能够在它们的train_step()//方法中处理标量数据。 请注意,此更改可能会破坏某些子类模型。您可以通过在//方法中添加升级自己来恢复到以前的行为,例如。功能模型以及使用显式输入形状构建的顺序模型不受影响。test_step()predict_step()
train_step()test_step()predict_step()if x.shape.rank == 1: x = tf.expand_dims(x, axis=-1)
这意味着具有形状的输入(batch_size,)不会自动升级为(batch_size, 1).