keras入门--常用层和函数

最新推荐文章于 2024-05-28 02:16:16 发布

BabY虎子

最新推荐文章于 2024-05-28 02:16:16 发布

阅读量1.2k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： deeplearning keras

本文链接：https://blog.youkuaiyun.com/u010041824/article/details/79142057

deeplearning 同时被 2 个专栏收录

4 篇文章

订阅专栏

keras

1 篇文章

订阅专栏

本文详细介绍了Keras框架中Input层的功能与用法，包括如何使用Input层实例化Keras张量，以及如何通过Keras张量构建模型。文中还解释了Input层中的关键参数，如shape、batch_shape等，并提供了示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考资料

keras英文文档https://keras.io/
keras中文文档http://keras-cn.readthedocs.io/en/latest/

Input层

keras.engine.topology.Input()
Input()用来实例化一个Keras张量。

Keras张量是来自底层后端（Theano，TensorFlow或CNTK）的张量对象，我们增加了某些属性，使我们能够通过知道模型的输入和输出来构建Keras模型。
例如，如果a，b和c是Keras张量，就有可能做到：
model = Model(input=[a, b], output=c)

增加的Keras属性是： - _keras_shape：通过Keras端形状推断传播的整数形状元组。 - _keras_history：应用于张量的最后一层。整个图层图可以从该图层递归地获取。

参数
shape:一个形状元组（整数），不包括批量大小。例如，shape =（32，）表示预期的输入将是32维向量的批次。
batch_shape: 一个形状元组（整数），包括批量大小。例如，batch_shape =（10,32）表示期望的输入将是10个32维向量的批次。batch_shape =（None，32）表示任意数量的32维向量的批次。
name:图层的可选名称字符串。在模型中应该是唯一的（不要重复使用同一个名字两次）。如果没有提供，它将被自动生成。
dtype: 输入所期望的数据类型，如字符串（float32，float64，int32 …）。
sparse: 指定是否创建占位符的布尔值是稀疏的。
tensor: 可选的现有张量包装到Input层。如果设置，图层将不会创建占位符张量。

返回
一个张量