目录

1、Keras:Input()函数

2、函数定义：

3、参数解释

4、例子

---

1、Keras:Input()函数

作用：初始化深度学习网络输入层的tensor。

返回值：一个tensor

2、函数定义：

def Input(shape=None, batch_shape=None,
          name=None, dtype=None, sparse=False,
          tensor=None):

3、参数解释

shape：一个表示张量的维度的元组。不包含batch size信息。例如，shape=(32，)表示输入的将是一批32维的向量。注意，即使在初始化中只使用不含batch size信息的shape参数，函数最终的输出也会默认加上值为None的batch size信息，例如，初始化Input(shape=(None, None, 3))，则最终返回的tensor为(None, None, None, 3)，第一个None就是batch size信息。

batch_shape：一个包含batch size参数的表示张量的维度的元组。例如，batch_shape=(10, 32)表示输入将是10个32维的向量。batch_shape=(None, 32)表示任意batchs数量的32维向量。

name：可选的字符串（string）类型参数，代表输入层的名字。在整个网络中必须是独一无二的。初始化时不使用该参数，则会被自动生成一个名称。

dtype：输入数据类型，字符串类型，如`float32`, `float64`, `int32`等，如果输入是None（默认），则函数在处理中会默认是float32类型的。

sparse：boolean类型，指定是否生成稀疏占位符（placeholder）

tensor：可选的现有tensor包装到“Input”层。如果设置该参数，该层将不会创建占位符张量。

4、例子

在使用中，我们一般只使用shape参数。在逻辑回归中，可以这么使用Input()函数：

x = Input(shape=(32,))  # 输入层
y = Dense(16, activation='softmax')(x)  # 全连接层
model = Model(x, y)