Error converting shape to a TensorShape:错误分析

Error converting shape to a TensorShape: int() argument must be a string, a bytes-like object or a number, not 'tuple'.这一错误是在使用Keras包编写DNN代码时发现的。出错的代码如下：

import keras

model = keras.models.Sequential() #实例化一个模型
init = keras.initializers.glorot_normal(seed=2) #选择Glorot 正态分布作为参数的初始化方法
model.add(keras.layers.Dense(units=50, input_dim=(32,32,3), kernel_initializer=init, activation='relu')) #输入层

并且通过Keras的官方文档可以看到对于input_dim的解释如下：

• 传递一个 input_shape 参数给第一层。它是一个表示尺寸的元组 (一个整数或 None 的元组，其中 None 表示可能为任何正整数)。在 input_shape 中不包含数据的 batch 大小。
• 某些 2D 层，例如 Dense，支持通过参数 input_dim 指定输入尺寸，某些 3D 时序层支持 input_dim 和 input_length 参数。
• 如果你需要为你的输入指定一个固定的 batch 大小（这对 stateful RNNs 很有用），你可以传递一个 batch_size 参数给一个层。如果你同时将 batch_size=32 和 input_shape=(6, 8) 传递给一个层，那么每一批输入的尺寸就为 (32，6，8)。

从官方文档中可以看出，input_dim是可以为元组的数据结构的，并且代码的另一种写法也不会报错：

model = Sequential([
    Dense(32, input_shape=(32,32,3)),
    Activation('relu'),
    Dense(10),
    Activation('softmax'),
])