keras.layer.input()用法说明
tenserflow建立网络由于先建立静态的graph，所以没有数据，用placeholder来占位好申请内存。
那么keras的layer类其实是一个方便的直接帮你建立深度网络中的layer的类。
该类继承了object，是个基础的类，后续的诸如input_layer类都会继承与layer
由于model.py中利用这个方法建立网络，所以仔细看一下：他的说明详尽而丰富。
input()这个方法是用来初始化一个kerastensor的，tensor说白了就是个数组。他强大到之通过输入和输出就能建立一个keras模型。shape或者batchshape必须只能给一个。shape=[None,None,None],会创建一个?*?*?的三维数组。
下面还举了个例子，a,b,c都是keras的tensor，`model=Model(input=[a,b],output=c)`
defInput(shape=None,batch_shape=None, name=None,dtype=None,sparse=False, tensor=None): """`Input()`isusedtoinstantiateaKerastensor. AKerastensorisatensorobjectfromtheunderlyingbackend (Theano,TensorFloworCNTK),whichweaugmentwithcertain attributesthatallowustobuildaKerasmodel justbyknowingtheinputsandoutputsofthemodel. Forinstance,ifa,bandcareKerastensors, itbecomespossibletodo: `model=Model(input=[a,b],output=c)` TheaddedKerasattributesare: `_keras_shape`:Integershapetuplepropagated viaKeras-sideshapeinference. `_keras_history`:Lastlayerappliedtothetensor. theentirelayergraphisretrievablefromthatlayer, recursively. #Arguments shape:Ashapetuple(integer),notincludingthebatchsize. Forinstance,`shape=(32,)`indicatesthattheexpectedinput willbebatchesof32-dimensionalvectors. batch_shape:Ashapetuple(integer),includingthebatchsize. Forinstance,`batch_shape=(10,32)`indicatesthat theexpectedinputwillbebatchesof1032-dimensionalvectors. `batch_shape=(None,32)`indicatesbatchesofanarbitrarynumber of32-dimensionalvectors. name:Anoptionalnamestringforthelayer. Shouldbeuniqueinamodel(donotreusethesamenametwice). Itwillbeautogeneratedifitisn'tprovided. dtype:Thedatatypeexpectedbytheinput,asastring (`float32`,`float64`,`int32`...) sparse:Abooleanspecifyingwhethertheplaceholder tobecreatedissparse. tensor:Optionalexistingtensortowrapintothe`Input`layer. Ifset,thelayerwillnotcreateaplaceholdertensor. #Returns Atensor. #Example ```python #thisisalogisticregressioninKeras x=Input(shape=(32,)) y=Dense(16,activation='softmax')(x) model=Model(x,y) ``` """
tip：我们在model.py中用到了shape这个attribute，
input_image=KL.Input( shape=[None,None,config.IMAGE_SHAPE[2]],name="input_image") input_image_meta=KL.Input(shape=[config.IMAGE_META_SIZE], name="input_image_meta")
阅读input()里面的句子逻辑：
可以发现，进入if语句的情况是batch_shape不为空，并且tensor为空，此时进入if，用assert判断如果shape不为空，那么久会有错误提示，告诉你要么输入shape要么输入batch_shape,还提示你shape不包含batch个数，就是一个batch包含多少张图片。
那么其实如果tensor不空的话，我们可以发现，也会弹出这个提示，但是作者没有写这种题型，感觉有点没有安全感。注意点好了
ifnotbatch_shapeandtensorisNone:
assertshapeisnotNone,('PleaseprovidetoInputeithera`shape`'
'ora`batch_shape`argument.Notethat'
'`shape`doesnotincludethebatch'
'dimension.')
如果单纯的按照规定输入shape，举个例子：只将shape输入为None，也就是说tensor的dimension我都不知道，但我知道这是个向量，你看着办吧。
input_gt_class_ids=KL.Input(
shape=[None],name="input_gt_class_ids",dtype=tf.int32)
就会调用Input()函数中的这个判断句式，注意因为shape是个List，所以shapeisnotNone会返回true。同时有没有输入batch_shape的话，就会用shape的参数去创造一个batch_shape.
ifshapeisnotNoneandnotbatch_shape:
batch_shape=(None,)+tuple(shape)
比如如果输入：
shape=(None,) batch_shape=(None,)+shape batch_shape #会得到(None,None)
可以发现，这里要求使用者至少指明你的数据维度，比如图片的话，是三维的，所以shape至少是[None,None,None]，而且我认为shape=[None,1]与shape=[None]是一样的都会创建一个不知道长度的向量。
以上这篇keras.layer.input()用法说明就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。