输入对象

[源代码]

Input 函数

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

Input() 用于实例化一个 TF-Keras 张量。

TF-Keras 张量是一个符号化的、类似张量的对象，我们为其添加了特定属性，从而仅通过了解模型的输入和输出来构建 TF-Keras 模型。

例如，如果 a、b 和 c 是 TF-Keras 张量，则可以执行：model = Model(input=[a, b], output=c)

参数

• shape: 一个形状元组（整数），不包括批次大小。例如，shape=(32,) 表示预期的输入是 32 维向量的批次。此元组的元素可以为 None；'None' 元素表示形状未知的维度。
• batch_size: 可选的静态批次大小（整数）。
• name: 该层可选的名称字符串。在一个模型中应唯一（不要重复使用相同的名称）。如果未提供，则会自动生成。
• dtype: 输入期望的数据类型，以字符串形式（float32, float64, int32...）
• sparse: 一个布尔值，指定要创建的占位符是否为稀疏的。'ragged' 和 'sparse' 只能有一个为 True。请注意，如果 sparse 为 False，仍然可以将稀疏张量传递到输入中，它们将被密集化，默认值为 0。
• tensor: 可选的现有张量，用于包装到 Input 层中。如果设置，该层将使用此张量的 tf.TypeSpec，而不是创建一个新的占位符张量。
• ragged: 一个布尔值，指定要创建的占位符是否为不规则的。'ragged' 和 'sparse' 只能有一个为 True。在这种情况下，'shape' 参数中的 'None' 值表示不规则维度。有关 RaggedTensors 的更多信息，请参阅 此指南。
• type_spec: 一个 tf.TypeSpec 对象，用于从中创建输入占位符。提供此参数时，除 name 外所有其他参数必须为 None。
• **kwargs: 已弃用的参数支持。支持 batch_shape 和 batch_input_shape。

返回

一个 tensor。

示例

# 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 eager 执行，Input 也会生成一个符号化的、类似张量的对象（即一个占位符）。此符号化的、类似张量的对象可与采用张量作为输入的低级 TensorFlow 运算一起使用，例如：

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

(此行为不适用于高级 TensorFlow API，例如控制流，并且不能直接由 tf.GradientTape 监视)。

但是，生成的模型不会跟踪用作 TensorFlow 运算输入的任何变量。所有变量的使用都必须发生在 TF-Keras 层内部，以确保它们会被模型的权重所跟踪。

TF-Keras Input 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，它必须表示整个批次的签名，而不是单个示例。

引发

• ValueError: 如果同时提供了 sparse 和 ragged。
• ValueError: 如果同时提供了 shape 和（batch_input_shape 或 batch_shape）。
• ValueError: 如果 shape、tensor 和 type_spec 均为 None。
• ValueError: 如果在传递 type_spec 时，除 type_spec 以外的其他参数不为 None。
• ValueError: 如果提供了任何无法识别的参数。