Tensorflow 不同形状的输入张量是如何反馈给神经网络的?
我正在使用Keras跟踪政策梯度, 我不太明白下面的意思 在下面的例子中,不同形状的输入张量到底是如何输入到模型的?Tensorflow 不同形状的输入张量是如何反馈给神经网络的?,tensorflow,keras,neural-network,Tensorflow,Keras,Neural Network,我正在使用Keras跟踪政策梯度, 我不太明白下面的意思 在下面的例子中,不同形状的输入张量到底是如何输入到模型的? 图层既不是.concated,也不是.Added input1.shape=(4,4) input2.shape=(4,) “输入”层有4个神经元,接受input1+input2作为4d向量 代码摘录(经过修改使其更简单): 在您可能想要确定刚刚构建的图形类型的情况下,使用model.summary()或tf.keras.utils.plot\u model()方法进行调试非
图层既不是
.concat
ed,也不是.Add
ed
input1.shape=(4,4)
input2.shape=(4,)
- “输入”层有4个神经元,接受
+input1
作为4d向量input2
在您可能想要确定刚刚构建的图形类型的情况下,使用
model.summary()
或tf.keras.utils.plot\u model()方法进行调试非常有用:
tf.keras.utils.plot_model(model, to_file="test.png", show_shapes=True, show_layer_names=True, show_dtype=True)
这将显示您的输入_2确实未被使用。由于您没有使用任何操作将其连接到主图形,因此它没有与之关联的权重(图形运行,但右侧没有要更新的内容):
查找批次和样本。
tf.keras.utils.plot_model(model, to_file="test.png", show_shapes=True, show_layer_names=True, show_dtype=True)