理解keras中的数据表示形式：张量

keras中的数据表示形式是张量，张量可以看作是向量、矩阵的自然推广。

模型首先要知道输入数据的shape，有以下方法来指定第一层输入数据的shape：

• 传递一个input_shape关键字参数，input_shape是一个tuple类型，也可以填入None，None表示此位置可以是任何正整数。
• 有些2D层，可以通过输入维度input_dim来指定shape，一些2D是与层可以通过指定参数input_dim和input_length来指定shape。

例如，一个一阶张量[1, 2, 3]的shape是（3，）；

一个二阶张量[ [1, 2, 3], [4, 5, 6]]的shape是（2,3）；

一个三阶张量

[
　　[
　　　　[1],
　　　　[2],
　　　　[3]
　　],
　　[
　　　　[4],
　　　　[5],
　　　　[6]
　　]
]

的shape是（2,3,1），以此类推。

如果模型的第一层输入的数据是input_dim = 784，即相当于属于一个784维的一阶张量，shape为（784，）。

转载于:https://www.cnblogs.com/liangzp/p/8876224.html