Python tf.keras.layers.InputLayer用法及代码示例

用作网络入口点的层(层图)。

继承自：Layer，Module

用法

tf.keras.layers.InputLayer(
    input_shape=None, batch_size=None, dtype=None, input_tensor=None, sparse=None,
    name=None, ragged=None, type_spec=None, **kwargs
)

参数

input_shape 形状元组(不包括批处理轴)，或TensorShape 实例(不包括批处理轴)。
batch_size 可选输入批量大小(整数或 None )。
dtype 输入的可选数据类型。如果未提供，将使用 Keras 默认的 float 类型。
input_tensor 用作层输入的可选张量。如果设置，图层将使用此张量的tf.TypeSpec，而不是创建新的占位符张量。
sparse 布尔值，创建的占位符是否是稀疏的。默认为 False 。
ragged 布尔值，创建的占位符是否意味着不规则。在这种情况下，值None在里面shape参数表示参差不齐的尺寸。有关更多信息tf.RaggedTensor，看本指南.默认为False.
type_spec 用于创建输入的 tf.TypeSpec 对象。这个tf.TypeSpec 代表整个批次。提供时，除名称之外的所有其他参数必须是 None 。
name 图层的可选名称(字符串)。

它可以包装现有张量(传递 input_tensor 参数)或创建占位符张量(传递参数 input_shape 和可选的 dtype )。

通常建议通过 Input 使用 Keras 函数模型(创建 InputLayer )而不直接使用 InputLayer 。

将 InputLayer 与 Keras Sequential 模型一起使用时，可以通过将 input_shape 参数移动到 InputLayer 之后的第一层来跳过它。

此类可以通过选择 sparse=True 或 ragged=True 为 tf.Tensors , tf.SparseTensors 和 tf.RaggedTensors 创建占位符。注意sparse和ragged不能同时配置为True。用法：

# With explicit InputLayer.
model = tf.keras.Sequential([
  tf.keras.layers.InputLayer(input_shape=(4,)),
  tf.keras.layers.Dense(8)])
model.compile(tf.optimizers.RMSprop(0.001), loss='mse')
model.fit(np.zeros((10, 4)),
          np.ones((10, 8)))

# Without InputLayer and let the first layer to have the input_shape.
# Keras will add a input for the model behind the scene.
model = tf.keras.Sequential([
  tf.keras.layers.Dense(8, input_shape=(4,))])
model.compile(tf.optimizers.RMSprop(0.001), loss='mse')
model.fit(np.zeros((10, 4)),
          np.ones((10, 8)))

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.keras.layers.InputLayer。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。