我想构建一个具有可变通道大小的单一Tensorflow模型。我的目标是让这个单一模型采用1、2或3个通道的输入数据。这可能吗？
我尝试了以下示例代码（Tensorflow版本2.1.0）。

from tensorflow import keras
from tensorflow.keras import layers

inputs = keras.Input(shape=(128, 128, None), name="inputs")
x = layers.Conv2D(32, 3, activation="relu", strides=2, padding="same")(inputs)
x = layers.Conv2D(64, 3, activation="relu", strides=2, padding="same")(x)
x = layers.Flatten()(x)
outputs = layers.Dense(26, activation="relu")(x)
test_model = keras.Model(inputs, outputs, name="test_model")
test_model.summary()

但是我得到了如下的错误输出。
值错误追溯（最近调用最后）in 1 inputs = keras.Input（形状=（128，128，无），名称=“输入”）----〉2 x =图层。Conv 2D（32，3，激活=“relu”，步幅=2，填充=“相同”）（输入）3 x =图层. Conv 2D（64，3，激活=“relu”，步幅=2，填充=“相同”）（x）4 x =图层.展平（）（x）5输出=图层.密集（26，激活=“relu”）（x）
694 if all（hasattr（x，'get_shape'）for x in input_list）：在一个输入列表中，如果所有的元素都是空的，那么就可以使用这个属性。695输入_形状= nest.map_结构（λ x：x.get_shape（），inputs）--〉696 self.build（input_shape）697 698 #检查在层构建之后设置的输入假设，例如输入形状。
如果convolutional.py输入形状[通道轴]的值为“无”，则通道轴= -1 148：--〉149 raise ValueError（'应该定义输入' 150 '的通道维度。找到None。'）151 input_dim = int（input_shape[通道轴]）
ValueError：应定义输入的通道维度。找到None。
我认为一个变通的解决方案是使通道大小为最大可能的输入通道（我的情况是3个）。然后我可以使用适合输入数据的第一个所需数量的通道，用零填充其余通道。但我想知道tensorflow.keras模块是否直接支持可变通道。谢谢！