在用Keras UpSampling2D图层平铺标量后，我建立了一个相对简单的网络，该图像网络由图像和标量输入组成，并串联在一起。然后，这些级联的层将通过几个Convolution2D层，每个层随后是BatchNormalization和Activation。我正在使用tf.name_scope构造以及设置图层名称，以便能够获得可维护的图形。
但是，当检查the graph of the network in TensorBoard时，立即注意到的是大量几乎相同的Squeeze节点起源于我的网络层，并指向一个{strong>无输出的Reshape 。有趣的是（而且非常烦人的）那些Squeezes被归类为“主图”的一部分，而我实际使用的图层被判断为“辅助”。
Squeeze节点的作用是什么？为什么TensorBoard认为它们如此重要以至于使我的网络图不可读？
