TF/Keras 为什么 MaxPooling3D 在这段代码中返回一个张量的元组而不是单个张量？

tensorflow 2.15 后端

  inp = layers.Input(batch_shape=batch_shape)
  print('Input {}'.format(str(inp.shape)))

输入 (1, 7, 60, 60, 1)

  x = inp
  x = layers.Dropout(0.2)(x)
  x = layers.LayerNormalization()(x)
  x = layers.Conv2D(filters = 16, kernel_size = (3,3), activation = 'relu', padding = 'same')(x)
  print(1, x)

1 KerasTensor(type_spec=TensorSpec(shape=(1, 7, 60, 60, 16), dtype=tf.float32, name=无), name='conv2d/Relu:0', description="由层 'conv2d' 创建")

  x = layers.MaxPooling3D(pool_size = (1, 2, 2))(x),
  print(2, x)

2 (<KerasTensor: shape=(1, 7, 30, 30, 16) dtype=float32 (创建按层 'max_pooling3d')>,)

为什么输出 2 是张量的元组而不是简单的张量？ （也获得大小为 2, 2, 2 的元组结果）

来自 Keras MaxPooling3D:

输出形状

如果 data_format="channels_last": 5D 张量，形状为：(batch_size, pooled_dim1, pooled_dim2, pooled_dim3,频道）

问题出在代码中的这个逗号：

x = layers.MaxPooling3D(pool_size = (1, 2, 2))(x), 
                                                        ^^^^

这个逗号导致 Python 创建了一个包含 MaxPooling3D 层输出的元组。删除逗号即可解决问题：

x = layers.MaxPooling3D(pool_size = (1, 2, 2))(x)

这样一来， x 就会像预期的那样成为单个 KerasTensor，而不是包含单个 KerasTensor 的元组。