keras中的shape/input_shape

在keras中，数据是以张量的形式表示的，张量的形状称之为shape，表示从最外层向量逐步到达最底层向量的降维解包过程。“维”的也叫“阶”，形状指的是维度数和每维的大小。比如，一个一阶的张量[1,2,3]的shape是(3,);

一个二阶的张量[[1,2,3],[4,5,6]]的shape是(2,3);一个三阶的张量[[[1],[2],[3]],[[4],[5],[6]]]的shape是(2,3,1)

 

input_shape就是指输入张量的shape。例如，input_dim=784，dim是指dimension（维度），说明输入是一个784维的向量，784维的向量怎么表示呢？[[...[1],[2],[3]]...]，左边有784个左括号，这相当于一个一阶的张量，它的shape就是(784,)。因此，input_shape=(784,)。

 

参考链接：https://blog.csdn.net/x_ym/article/details/77728732

转载于:https://www.cnblogs.com/lfri/p/10489946.html