Python 3.x Keras：密集层的输入形状

我正在以下位置阅读教程：

其中有一个名为

generator

的网络，其架构如下：

generator = Sequential()

generator.add(Dense(256, input_dim=64, kernel_initializer=initializers.RandomNormal(stddev=0.02)))
generator.add(LeakyReLU(0.2))

generator.add(Dense(512))
generator.add(LeakyReLU(0.2))

generator.add(Dense(1024))
generator.add(LeakyReLU(0.2))

# last layer output a 28x28 image
generator.add(Dense(784, activation='tanh'))
generator.compile(loss='binary_crossentropy', optimizer=optimizer)

发电机的输入称为噪声，如下所示：

noise = np.random.normal(0, 1, size=[batch_size, input_dim])
print (noise.shape)

噪声的形状为：

noise shape:  (128, 64)

因此，我们：

generated_images = generator.predict(noise)

让我困惑的是：生成器的

input\u dim

在第一个密集层中已指定为64，为什么允许输入形状为（128,64）的噪声

我知道这个想法是每次一批计算128个元素。我的问题是，

predict

函数究竟可以实现什么功能？Keras文档（）具有以下内容：

predict(x, batch_size=None, verbose=0, steps=None)

x: The input data, as a Numpy array (or list of Numpy arrays if the model has multiple inputs).

---

但是我们如何知道x中的哪个维度应该是

batch\u size

，x中的哪个维度应该是

input\u dim

？如果

噪波形状=（64128）

会发生什么情况？或者

（64256，256）

或者

（256，256，64）

？哪些是允许的？某处有隐藏的文件吗？谢谢

Keras模型期望数据的第一个维度是批处理维度。您可以从functional API查看上的文档。该层有一个

shape

参数和一个

batch\u shape

参数。两者都可以工作，但后者允许显式定义批处理形状

回答您的问题：

• noise shape=（64128）

  将给出一个错误，因为预期的输入dim是64，而您提供了128（第一个维度中的64在这里并不重要，因为批大小可以是任何大小，并且不会更改模型架构）

• （64，256，256）

  和

  （256，256，64）

  会给您一个错误，因为提供了具有两个维度（+1个批次维度）的输入，而模型需要一维输入（+1个批次维度）

还可以查看API的文档：

将输入_形状参数传递给第一层。这是一个形状元组 （整数或None项的元组，其中None表示 可能需要正整数）。在input_形状中，批次维度 不包括在内

如果您需要为输入指定固定的批量大小（此 对于有状态循环网络非常有用），您可以传递批处理大小 一个层的参数。如果您同时通过batch_size=32和 将_shape=（6，8）输入到一个层，它将期望每一批 具有批处理形状的输入（32、6、8）

---

您对输入数据和批大小感到困惑

• 输入数据包含许多数据样本，每个样本是输入矩阵中的一行。样本数为输入大小
• 批处理是在过程中计算的输入数据的子集。批次大小的批次中的样本数

---

在您的示例中，128是输入大小。如果不指定批次大小，它将一次计算所有输入数据，因此输入数据相当于一个批次（例如，在线数据生成器上的训练/预测）。您还可以指定批次大小以分割输入数据，并在较小的批次上进行计算。

谢谢。。。我仍然感到困惑，我认为上面的代码使用的是顺序API而不是函数API。如果使用顺序API，它不是说“在input_形状中，批处理维度不包括在内”吗？我在这里遗漏了什么？还有，文档中哪里说“Keras模型期望数据的第一个维度是批处理维度”？我找不到它。。。谢谢您的代码确实使用了顺序API，但思想是相同的。我不确定你是否能在文档中找到这句话。谢谢sdcbr！所以输入形状的最大尺寸是2，可以是（输入尺寸1，输入尺寸2）或（批量尺寸，输入尺寸）？尽管未在文档中明确指定。这是正确的吗？谢谢噪声的形状为

（128，64）

，这意味着128个示例，每个示例由64个输入组成

model.predict（）

实际上有一个参数

batch\u size

，默认值为32。调用

predict（）

时，模型将按4批大小传递数据

（32,64）

。例子的数量并不重要。您可以传递一个shape

（500，64）

数组，它仍然可以工作。