keras中Input的shape及batch_shape

Input(shape=None,batch_shape=None,name=None,dtype=K.floatx(),sparse=False,tensor=None)

shape: 形状元组（整型），不包括batch size。for instance, shape=(32,) 表示了预期的输入将是一批32维的向量。
batch_shape: 形状元组（整型），包括了batch size。for instance, batch_shape=(10,32)表示了预期的输入将是10个32维向量的批次。
且：可以用None表示占位

inputs = Input(shape=(None, 4))#shape=(?, ?,4)，生成3维的矩阵，若后面的层是LSTM层，则必须是3维的矩阵
encoder_inputs = Input(shape=(4))#这种写法会报错，必须加逗号
encoder_inputs = Input(shape=(4，))#shape=(?, 4)，生成2维的矩阵

name: 对于该层是可选的名字字符串。在一个模型中是独一无二的（同一个名字不能复用2次）。如果name没有被特指将会自动生成。
dtype: 预期的输入数据类型
sparse: 特定的布尔值，占位符是否为sparse
tensor: 可选的存在的向量包装到Input层，如果设置了，该层将不会创建一个占位张量。

参考：
https://blog.csdn.net/u013249853/article/details/88950943
https://blog.csdn.net/weixin_38145317/article/details/90694258