tf.keras.layers.InputLayer函数

函数原型

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
)

函数使用

输入层一般用作线性模型的第一层，通过指定参数input_tensor包装现有的张量或者指定参数input_shape创建新的占位符张量。

tf.compat.v1.disable_eager_execution()
a = tf.compat.v1.placeholder("float", (None, 32))
model = tf.keras.Sequential([
    tf.keras.layers.InputLayer(input_tensor=a),
    tf.keras.layers.Dense(64)
])

Model: "sequential"
_________________________________________________________________
 Layer (type)                Output Shape              Param #   
=================================================================
 dense (Dense)               (None, 64)                2112      
                                                                 
=================================================================
Total params: 2,112
Trainable params: 2,112
Non-trainable params: 0
_________________________________________________________________

首先创建了一个占位符张量a,形状为(None, 32)。然后通过指定input_tensor=a包裹张量a作为输入张量。最终输出张量形状为(None, 64)。

model = tf.keras.Sequential([
    tf.keras.layers.InputLayer(input_shape=32),
    tf.keras.layers.Dense(64)
])

Model: "sequential"
_________________________________________________________________
 Layer (type)                Output Shape              Param #   
=================================================================
 dense (Dense)               (None, 64)                2112      
                                                                 
=================================================================
Total params: 2,112
Trainable params: 2,112
Non-trainable params: 0
_________________________________________________________________

指定指定参数input_shape=32，创建一个占位符张量tensor作为输入张量，形状为(None, 32)。经过一个Dense层，最终输出张量形状也为(None, 64)。

值得注意的是，如果同时指定input_shape和input_tensor，那么input_shape参数会失效，也就是根据现有的张量创建输入层。

还可以在其他层上指定input_shape参数来省略该层。

model = tf.keras.Sequential([
    tf.keras.layers.Dense(64, input_shape=(None, 32))
])

Model: "sequential"
_________________________________________________________________
 Layer (type)                Output Shape              Param #   
=================================================================
 dense (Dense)               (None, None, 64)          2112      
                                                                 
=================================================================
Total params: 2,112
Trainable params: 2,112
Non-trainable params: 0
_________________________________________________________________

通过在Dense层上指定input_shape=(None, 32)，相当于创建一个张量形状为（None, None, 32）的输入层。通过Dense层后，最终形状为(None, None, 64)。

tf.keras.layers.InputLayer函数和tf.keras.Input函数区别：

tf.keras.Input函数返回的是一个张量Tensor，tf.keras.layers.InputLayer函数是一个layer对象。官网的建议是使用tf.keras.Input函数来创建一个InputLayer输入层，而不是直接使用tf.keras.layers.InputLayer来定义输入层。