我应该在tensorflow.keras中使用哪种类型的输入_形状？

我正在通过TensorFlow的文档学习TensorFlow，对第一层中的

input\u shape

类型有点困惑。有些示例有

列表

，但通常是一个元组。是否有任何特定的情况下，我必须使用某种类型

# I am learning RNN and see this example.
tf.keras.layers.Dense(100, input_shape=[30])
tf.keras.layers.Dense(1)

vs

---

它似乎取决于我的数据和其他一些事实，但我不知道哪一个决定了它的类型。

在

Keras

中，输入层本身不是一个层，而是一个张量。这是我们发送到第一个隐藏层的起始张量。Keras

input\u shape

参数需要一个可下标对象，其中每个维度的大小都可以存储为整数。以下是所有有效的方法：

tfd = tf.keras.layers.Dense(1, input_shape=(3,))
x = tfd(tf.ones(shape=(5, 3)))
print(x.shape) # (5, 1)

or,

tfd = tf.keras.layers.Dense(1, input_shape=[3])
x = tfd(tf.ones(shape=(5, 3)))
print(x.shape) # (5, 1)

注意，我们不能只传递

input\u shape=3

，因为它不可下标。同样地

tfd = tf.keras.layers.Dense(1, input_shape=(224, 224, 3))
x = tfd(tf.ones(shape=(5, 3)))
print(x.shape) # (5, 1)

or, 

tfd = tf.keras.layers.Dense(1, input_shape=[224, 224, 3])
x = tfd(tf.ones(shape=(5, 3)))
print(x.shape) # (5, 1)

---

该张量必须具有与我们的训练数据相同的形状。当您设置

input_shape=（224224，224，3）

时，意味着您拥有形状为

224 x 224

的RGB图像的训练数据。模型一开始永远不知道这个形状，所以我们需要手动设置它。这主要是图像建模的一般情况。与RNN或序列建模相同：

input\u-shape=（无，特征）

或

input\u-shape=（特征，）

您可以使用

列表或
元组来定义输入形状，它们都给出相同的结果，请参见本例：

import tensorflow as tf

>>> tf.keras.Input(shape=(10,))
<tf.Tensor 'input_1:0' shape=(?, 10) dtype=float32>

>>> tf.keras.Input(shape=[10])
<tf.Tensor 'input_2:0' shape=(?, 10) dtype=float32>

>>> tf.keras.Input(shape=(32,32,3))
<tf.Tensor 'input_3:0' shape=(?, 32, 32, 3) dtype=float32>

>>> tf.keras.Input(shape=[32,32,3])
<tf.Tensor 'input_4:0' shape=(?, 32, 32, 3) dtype=float32>

将tensorflow导入为tf
>>>tf.keras.Input（shape=（10，））
>>>tf.keras.Input（shape=[10]）
>>>tf.keras.Input（形状=（32,32,3））
>>>tf.keras.Input（shape=[32,32,3]）

这取决于您，使用两者都没有好处或缺点。这同样适用于层中的
input\u shape
。
检查答案以了解更多序列建模方法。希望这能有所帮助。这并不能回答问题的真正含义。请让OP来决定。我觉得这回答了他的问题。如果他确认它不是他想要的，我会删除它。不，我们也可以阅读，这个问题询问输入形状的类型（元组或列表），而您的回答根本不涉及这一点。是的，我在回答的第一段告诉它。或者我应该包括更多的解释吗？如果你使用列表或元组，其实并不重要。谢谢你的好解释。我想确保我理解
这同样适用于层中的输入形状
。你的意思是可以在任何其他第一层（例如，稠密层、Conv2D层、Lambda层）中使用元组或列表吗？@jayko03是的。明白了。谢谢你的帮助，史努比博士！
import tensorflow as tf

>>> tf.keras.Input(shape=(10,))
<tf.Tensor 'input_1:0' shape=(?, 10) dtype=float32>

>>> tf.keras.Input(shape=[10])
<tf.Tensor 'input_2:0' shape=(?, 10) dtype=float32>

>>> tf.keras.Input(shape=(32,32,3))
<tf.Tensor 'input_3:0' shape=(?, 32, 32, 3) dtype=float32>

>>> tf.keras.Input(shape=[32,32,3])
<tf.Tensor 'input_4:0' shape=(?, 32, 32, 3) dtype=float32>