目前，我正在尝试将一个导入Keras，以便在大小为1x1x200x200ONNX model的灰度图像数据集上运行训练。
但是，当我使用将我的 onnx 模型转换为 Keras 时
onnx-to-keras()
模型的输入层更改为?x1x200x200作为.h5 model.
当转换回 .onnx 文件时，输入层已更改为 Nx1x200x200。
这在尝试训练模型时有效，但在使用 ONNX 运行时将训练的神经网络部署到 C Plus Plus 代码时，更改的输入层会导致错误。
这是因为N被读取为导致溢出的 -1 维层。
C++ 代码适用于原始模型，其中输入层预计将接收 1x1x200x200 图像。
我已经尝试在 numpy 数组张量上使用 reshape() 更改张量输入，但这对更改后的模型没有影响。
只是想知道这是否可以修复，任何帮助将不胜感激。谢谢！
回答我自己的问题，
从 ONNX 到 Keras 的转换器目前不是 1-1。因此，为了实现完整性，keras 转换器似乎会根据输入更改 ONNX 模型以接收任意输入值（N 维）。为了解决这个问题，我只需要训练网络、编辑输入和输出层，然后重新导出模型以使 C Plus Plus 代码正常工作。
k_model.summary()
k_model._layers.pop(-1)
k_model._layers.pop(-1)
k_model.summary()
newInput = Input(batch_shape=(1,1,200,200))
newOutputs = k_model(newInput)
newModel = Model(newInput,newOutputs)
newModel.summary()
我目前正在尝试弄清楚这是否会保留原始模型的权重。但到目前为止，“新模型”中似乎已经存在权重，这是一个好兆头。