我是靠谱客的博主 简单黄蜂，这篇文章主要介绍深度学习（一）如何理解tf.keras.Input如何理解tf.keras.Input( shape=None, batch_size=None, name=None, dtype=None, sparse=False, tensor=None, ragged=False, **kwargs, )，现在分享给大家，希望可以做个参考。
如何理解tf.keras.Input( shape=None, batch_size=None, name=None, dtype=None, sparse=False, tensor=None, ragged=False, **kwargs, )
（1）含义
Input()函数用于实例化keras张量，主要用特定的属性来增强它，使我们能够构建Keras模型，并且只需要知道模型的输入与输出。
- 参数含义
shape:形状元组(整数)，不包括批大小。例如，' shape=(32，) '表示期望的输入将是32维向量的成批。此元组的元素
可以没有;“None”元素表示形状所在的维度不清楚。
batch_size:可选的静态批处理大小(整数)。名称:可选的层名称字符串。
（2）例子
# 这是Keras中的逻辑回归
x = Input(shape=(32,))
y = Dense(16, activation='softmax')(x)
model = Model(x, y)最后
以上就是简单黄蜂最近收集整理的关于深度学习（一）如何理解tf.keras.Input如何理解tf.keras.Input( shape=None, batch_size=None, name=None, dtype=None, sparse=False, tensor=None, ragged=False, **kwargs, )的全部内容，更多相关深度学习（一）如何理解tf.keras.Input如何理解tf.keras.Input(内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复