Python tf.keras.Input用法及代码示例

Input() 用于实例化 Keras 张量。

用法

tf.keras.Input(
    shape=None, batch_size=None, name=None, dtype=None, sparse=None, tensor=None,
    ragged=None, type_spec=None, **kwargs
)

Keras 张量是一个符号tensor-like 对象，我们通过某些属性对其进行扩充，这些属性允许我们仅通过了解模型的输入和输出来构建 Keras 模型。

例如，如果 a , b 和 c 是 Keras 张量，则可以这样做：model = Model(input=[a, b], output=c)

例子：

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

请注意，即使启用了即刻执行，Input 也会生成一个符号 tensor-like 对象(即占位符)。这个符号 tensor-like 对象可以与将张量作为输入的 lower-level TensorFlow 操作一起使用，如下所示：

x = Input(shape=(32,))
y = tf.square(x)  # This op will be treated like a layer
model = Model(x, y)

(此行为不适用于高阶 TensorFlow API，例如控制流并由 tf.GradientTape 直接监视)。

但是，生成的模型不会跟踪用作 TensorFlow 操作输入的任何变量。所有变量的使用都必须发生在 Keras 层中，以确保它们将被模型的权重跟踪。

Keras 输入还可以从任意 tf.TypeSpec 创建占位符，例如：

x = Input(type_spec=tf.RaggedTensorSpec(shape=[None, None],
                                        dtype=tf.float32, ragged_rank=1))
y = x.values
model = Model(x, y)

传递任意 tf.TypeSpec 时，它必须代表整个批次的签名，而不仅仅是一个示例。