輸入物件

`Input` 函式

keras.Input(
    shape=None,
    batch_size=None,
    dtype=None,
    sparse=None,
    batch_shape=None,
    name=None,
    tensor=None,
    optional=False,
)

用於實例化 Keras 張量。

Keras 張量是一個符號張量類型的物件，我們添加了一些屬性，讓我們僅通過知道模型的輸入和輸出就能建立 Keras 模型。

例如，如果 a、b 和 c 是 Keras 張量，就可以這樣做：model = Model(input=[a, b], output=c)

參數

shape：形狀元組（整數或 None 物件的元組），不包含批次大小。例如，shape=(32,) 表示預期的輸入將是 32 維向量的批次。這個元組的元素可以是 None；None 元素表示形狀未知且可能變化的維度（例如，序列長度）。
batch_size：可選的靜態批次大小（整數）。
dtype：輸入預期的資料類型，為字串（例如，"float32"、"int32"...）
sparse：一個布林值，指定預期的輸入是否為稀疏張量。請注意，如果 sparse 為 False，稀疏張量仍然可以傳遞到輸入中 - 它們將使用預設值 0 進行密集化。此功能僅在 TensorFlow 後端中支援。預設為 False。
batch_shape：可選的形狀元組（整數或 None 物件的元組），包含批次大小。
name：層的可選名稱字串。在模型中應該是唯一的（不要重複使用相同的名稱）。如果沒有提供，則會自動產生。
tensor：可選的現有張量，將其包裝到 Input 層中。如果設定，該層將使用此張量，而不是建立新的佔位符張量。
optional：布林值，表示輸入是否為可選。可選的輸入可以接受 None 值。

回傳

一個 Keras 張量。

範例

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

輸入物件

Input 函式

輸入物件

Input 函式

`Input` 函式