Keras是使用Python语言编写的深度学习API，是对TensorFlow框架的二次封装。即如果说TensorFlow是对深度学习算法的第一次包装实现其API接口，那么Keras就是对深度学习算法进行再次包装来实现更上层的API接口。因此，Keras开发的首要目标就是实现深度学习网络的快速搭建实现。Keras最初是作为ONEIROS项目(Open-ended Neuro-Electronic Intelligent Robot Operating System)研究工作的一部分开发的。
作用：初始化深度学习网络输入层的tensor。
返回值：一个tensor
函数定义：
我要评论
def Input(shape=None, batch_shape=None,
name=None, dtype=None, sparse=False,
tensor=None):
参数解释：
shape：一个表示张量的维度的元组。不包含batch size信息。例如，shape=(32，)表示输入的将是一批32维的向量。注意，即使在初始化中只使用不含batch size信息的shape参数，函数最终的输出也会默认加上值为None的batch size信息，例如，初始化Input(shape=(None, None, 3))，则最终返回的tensor为(None, None, None, 3)，第一个None就是batch size信息。
batch_shape：一个包含batch size参数的表示张量的维度的元组。例如，batch_shape=(10, 32)表示输入将是10个32维的向量。batch_shape=(None, 32)表示任意batchs数量的32维向量。
name：可选的字符串（string）类型参数，代表输入层的名字。在整个网络中必须是独一无二的。初始化时不使用该参数，则会被自动生成一个名称。
dtype：输入数据类型，字符串类型，如`float32`, `float64`, `int32`等，如果输入是None（默认），则函数在处理中会默认是float32类型的。
sparse：boolean类型，指定是否生成稀疏占位符（placeholder）
tensor：可选的现有tensor包装到“Input”层。如果设置该参数，该层将不会创建占位符张量。
例子：
在使用中，我们一般只使用shape参数。在逻辑回归中，可以这么使用Input()函数：
x = Input(shape=(32,)) # 输入层
y = Dense(16, activation='softmax')(x) # 全连接层
model = Model(x, y)
本文地址：https://blog.csdn.net/Flag_ing/article/details/107430735
如对本文有疑问， 点击进行留言回复！！
PC-Arduino Serial communication using python
网友评论