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