如果您使用数据集，生成器等，则tf.keras.Model.fit（）的文档说不要指定batch_size参数，因为它们会创建自己的批处理。
看看我的子类tf.keras.Model的call()函数中输入张量的形状，看来使用数据集批处理将迫使您的模型处理批处理（即完整批处理）一次传递），而使用fit()设置批次大小会将批次的单个元素传递给模型。
对吗？我问是因为我遇到tf.keras.backend的{{1}}和batch_dot()的问题，这似乎是使用tf.data.Dataset加载虹膜数据的产物。一个类似的体系结构，它不使用TF的数据集，而是调用model.fit（）来设置批处理大小，但不会产生这些错误。这些模型使用的自定义权重矢量（在模型的sum()函数中定义）没有“ batch_size”“占位符”（例如，无），但这似乎只是tf.data.Dataset的问题批处理，而不是model.fit（）。
我的主要问题是：
1）您是否必须使用tf.data.Dataset的批处理来显式处理批处理的输入，但是可以假设对model.fit（）的批处理来说并不必要吗？
2）每种情况下的批处理工作如何？我在网上找不到很多有关此的信息。