从基本概念了解Keras

这篇文章会总结几个Keras的基本概念，了解了这几个基本概念，Keras建模将会快速上手。

话不多说，直奔主题！

张量(Tensor)，可以理解为Keras里的一种数据类型，相当于C语言里得数组。你在存储的时候总需要了解数据的长度、大小还有维度各种各样的信息，而这个Tensor就是用来干这个的。举几个例子，如0阶张量，也就是标量，指的是一个数；1阶张量指的是向量，几个数字有序排列就是一个一阶张量；2阶张量指的是矩阵，把几个一阶张量有序排起来也就是一个2阶张量，以此类推…而张量的阶数也可称为维度或者轴（axis），这个其实很好理解，想想数据中的特征，一般来说有几类特征我们就常说这个样本是几维的，因为每类特征都相当于坐标系里的一个轴。

数据格式(DataFormat)：Keras在构建模型时需要设定输入数据的格式，也就是这个所谓的DataFormat。在这方面，不同的深度学习库产生了分歧，Theano、Caffe为代表的采用"通道维靠前"，而以TensorFlow为代表的采用"通道维靠后"。Keras可自行设定采用哪种方式，可在代码中通过K.image_data_format()函数查看。如：

model.add(Convolution2D(batch_size，input_shape=(None, 1, 28, 28))   #分别代表多少数据、通道数、宽、高

可以看出，可以使用None表示任意值，这也为处理不同维的数据提供了方便。
另外（784，）和࿰