tf.keras.layers.Input()输入层

最新推荐文章于 2025-03-20 09:22:23 发布

田小成plus

最新推荐文章于 2025-03-20 09:22:23 发布

阅读量2.6k

点赞数 2

分类专栏：深度学习文章标签： tensorflow

本文链接：https://blog.csdn.net/tiangcs/article/details/123921006

版权

1 函数参数解析

layers.Input(
    shape=None,
    batch_size=None,
    name=None,
    dtype=None,
    sparse=False,
    tensor=None,
    ragged=False,
    **kwargs,
)

Returns:
  A tensor.

参数:

shape: 函数的输入形状，数据的形式为元组(元组参数要为int型)，不包含batch大小的那个维度。如果你有某个维度的信息不知道，则可以表示为None
batch_size: 一个可选的参数(整数类型)，用来声明你网络训练batch的大小
name: 给你的这层网络创建一个名字，名字应该在你的所有网络层中是不重复的，默认参数为None，系统会自动取名字。
dtype: 你输入的具体的数据的类型。有很多可选的参数，一般情况下我们选择 tf.float32 的类型，因为在精度满足的情况下，float32运算更快。
sparse: 指定要创建的占位符是否为稀疏的布尔值。 “参差的”和“稀疏的”中只有一个是真的。请注意，如果sparse为False，稀疏张量仍然可以被传递到输入中——它们将被致密化为默认值0。
tensor: 一个可选的参数，将现有张量包装到输入层。如果设置了，图层将对这个张量使用 tf.TypeSpec。而不是创建一个新的占位符张量。
ragged: 一个布尔值，指定要创建的占位符是否不规则。 “参差的”和“稀疏的”中只有一个是真的。在本例中，“shape”参数中的“None”值表示