使Tensorflow操作的Keras层动态化（Tensorflow对象检测API）

Question

我正在用ResNet中的本地连接层替换卷积层（使用更快的RCNN）。 Tensorflow从keras导入该层，并说应完全定义该层的输入尺寸。当我运行时，它会引发以下错误。

模型中的所有张量具有动态形状。但是，这个keras层不接受这一点。下面显示的“瓶颈”块仅适用于第四个ResNet块。

那么如何使这个keras层动态化？

Resnet的瓶颈块（resnet_v1.py）：

residual = slim.conv2d(inputs, depth_bottleneck, [1, 1], stride=1, scope='conv1')
residual = Local_connection.LocallyConnected2D(filters=depth_bottleneck, kernel_size=3, strides = (2,2), data_format='channels_last')(residual)
residual = slim.conv2d(residual, depth, [1, 1], stride=1,activation_fn=None, scope='conv3')

错误： ValueError：应完全定义LocallyConnected2D图层的输入的空间尺寸，但图层接收到的输入形状为（1，None，None，256）

链接到keras层（检查第309行）：

https://github.com/keras-team/keras/blob/master/keras/layers/local.py