Keras 在哪里可以找到类输入的API文档？

在哪里可以找到类

keras.layers.Input

的API文档？我在上找不到。

当您不习惯Keras时，很难阅读该文档

但有两种方法可用于构建keras模型：

• 顺序

  模型

• 模型

  功能API

输入

层不用于

顺序

模型，仅用于

模型

可能没有清晰的文档，因为

Input

层除了定义模型输入数据的形状外，什么都不做。（事实上，它创建了一个“张量”，可以用作其他层的输入）

假设您正在使用MNIST数据创建一个模型，该数据具有28x28像素的图像。然后，您的输入形状是

（28,28）

（请参见

*

）

创建模型时，您可以使用

输入

来定义：

#inp将是一个形状为（？，28，28）的张量
inp=输入（（28,28））

然后，以下图层将使用此输入：

x=SomeKerasLayer（blablabla）（inp）
x=另一层（blabla）（x）
输出=最后一层（balblabla）（x）

当您创建模型时，您定义了数据将遵循的路径，在本例中是从输入到输出的路径：

model=模型（输入，输出）

---

使用

模型

api，还可以创建分支、多输入和多输出、分支等

如果有多个输入，您需要创建几个

Input

层

有关实际图层的更高级示例，请参见此处：

---

*

-这不是规则。根据输入数据的格式，此形状可以更改。有些模型不喜欢关心2D信息，而是使用形状平坦的图像

（784，）

。使用卷积层的模型通常会将输入数据塑造成具有一个通道的图像。（通常，图像有3个通道，RGB）

---

输入的参数

定义了

输入

方法的代码（2017年12月22日）

可能的论点：

• 形状：定义具有可变批量大小的单个样本的形状（如上所示）
• 批处理形状：在传递的形状中明确定义批处理的大小
• 张量：不向模型传递输入形状，而是传递现有的张量，例如，您可以传递填充有值的张量，例如

  K.variable（）

• 其他参数：

  name

  、

  dtype

  和

  sparse

---

上述答案概括了大部分内容。但是正如评论中提到的，我认为

tf.contrib.keras

包含了关于

keras

的文档。链接包含相同的文档

如公认答案中所述，

Input

可与

model

一起使用，以表示张量。实际上，它返回一个张量。我的理解是，它有点类似于

tf.placeholder

，因为它允许我们仅根据

输入

对象定义模型，并在以后拟合模型。以下是tensorflow文档中的示例

# this is a logistic regression in Keras
x = Input(shape=(32,))
y = Dense(16, activation='softmax')(x)
model = Model(x, y)

---

从这里可以看出，

Input

的用法与

tf.placeholder的用法有些相似。谢谢您的帮助。我发现tensorflow有一些关于keras的API。这些
tf.contrib.keras
是否等于
keras
，例如，
tf.contrib.keras.layers
等于
keras.layers
？我不知道：（这是一个很好的答案。一个澄清的问题：我见过输入（shape=（None，256））或输入（shape=（256，））的例子。我理解None是占位符，但不理解None是第一个与第二个（vs third，…）的区别，或者该维度最终是如何解析的。对此部分有什么解释吗？
None
是一个可变大小的维度。形状完全取决于您打算如何处理数据。如果您创建
Input（shape=（None，256））
，在内部您将有一个带有shape
（？，？，256）的占位符
-可变批量大小、可变第二维度（通常为长度或时间步长）和最后维度中的256个元素（通常为通道或特征）。通常，这是在具有“长度”的数据中完成的，如时间序列、1D卷积等。