Keras Sequential 不提供输入形状

我目前有一个 keras 模型，如下所示：

model = keras.Sequential()
model.add(keras.layers.Dense(100, activation=tf.nn.relu))
model.add(keras.layers.Dense(100, activation=tf.nn.relu))
model.add(keras.layers.Dense(len(labels), activation=tf.nn.softmax))

The Keras 文档 https://keras.io/getting-started/sequential-model-guide/#specifying-the-input-shape告诉我：

模型需要知道它应该期望什么输入形状。因此，顺序模型中的第一层（并且只有第一层，因为后续层可以进行自动形状推断）需要接收有关其输入形状的信息

However，模型实际上训练得很好，没有错误，即使我从未指定输入的形状。

它如何知道期望的形状是什么？如果我不提供输入形状，默认行为是什么？它将如何影响我的模型？

编辑：这是使用tf.keras，又名 keras 的 Tensorflow 后端

很好的观察 - 我相信 Keras 文档应该更新。当未提供输入形状时，Keras 会从参数中推断出它x of Model.fit然后它才会构建整个模型。具体来说，这是正在发生的事情：

1. 在添加 Keras 层时Sequential模型，因为论证input_shape（并且，通过扩展，batch_input_shape) 从未设置，该属性Model.inputs遗迹None (see Sequential.add https://github.com/keras-team/keras/blob/master/keras/engine/sequential.py#L135-L180).
2. 然后，在Model.fit，他们检查是否Model.inputs已设置（参见Model.fit https://github.com/keras-team/keras/blob/master/keras/engine/training.py#L1150 and Model._standardize_user_data https://github.com/keras-team/keras/blob/88ca804d94a0f978d0522d82a2e2bda26362076a/keras/engine/training.py#L500-L504），如果没有，它们会从提供的输入数组推断输入形状。
3. 最后，在Model._set_inputs，他们用推断建立了整个模型input_shape (see Model._set_inputs https://github.com/keras-team/keras/blob/88ca804d94a0f978d0522d82a2e2bda26362076a/keras/engine/training.py#L409-L417).

这可以通过打印一些重量来验证（例如print(model.layers[0].get_weights())）在拟合模型之前。你会看到，当争论input_shape or batch_input_shape未提供给模型的第一层，权重数组为空，因为模型尚未构建。