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)

Logo

开放原子开发者工作坊旨在鼓励更多人参与开源活动,与志同道合的开发者们相互交流开发经验、分享开发心得、获取前沿技术趋势。工作坊有多种形式的开发者活动,如meetup、训练营等,主打技术交流,干货满满,真诚地邀请各位开发者共同参与!

更多推荐