深度学习(一)如何理解tf.keras.Input
如何理解tf.keras.Input( shape=None, batch_size=None, name=None, dtype=None, sparse=False, tensor=None, ragged=False, **kwargs, )(1)含义Input()函数用于实例化keras张量,主要用特定的属性来增强它,使我们能够构建Keras模型,并且只需要知道模型的输入与输出。参数含义s
·
如何理解tf.keras.Input( shape=None, batch_size=None, name=None, dtype=None, sparse=False, tensor=None, ragged=False, **kwargs, )
(1)含义
Input()函数用于实例化keras张量,主要用特定的属性来增强它,使我们能够构建Keras模型,并且只需要知道模型的输入与输出。
- 参数含义
shape:形状元组(整数),不包括批大小。例如,' shape=(32,) '表示期望的输入将是32维向量的成批。此元组的元素
可以没有;“None”元素表示形状所在的维度不清楚。
batch_size:可选的静态批处理大小(整数)。名称:可选的层名称字符串。
(2)例子
# 这是Keras中的逻辑回归
x = Input(shape=(32,))
y = Dense(16, activation='softmax')(x)
model = Model(x, y)
魔乐社区(Modelers.cn) 是一个中立、公益的人工智能社区,提供人工智能工具、模型、数据的托管、展示与应用协同服务,为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作,由全产业链共同建设、共同运营、共同享有,推动国产AI生态繁荣发展。
更多推荐


所有评论(0)