Keras Sequential模型輸入層

Question

在Keras中創建Sequential模型時，我知道您在第一層中提供了輸入形狀。這個輸入形狀是否會產生一個隱含的輸入圖層？

例如，下面的模型明確指定了2密集層，但是這實際上是一個3層模型，由輸入形狀隱含的一個輸入層，含有32個神經元的隱藏密集層和一個輸出層組成10個可能的輸出？

model = Sequential([ 
    Dense(32, input_shape=(784,)), 
    Activation('relu'), 
    Dense(10), 
    Activation('softmax'), 
]) 

Answer 1

那麼，它實際上是一個隱含輸入層的確，即你的模型是一個「老好人」神經網絡的三層爲例 - 輸入，隱藏和輸出。這更多的是Keras功能API（請在文檔中example），在您的模型將被寫成明確可見：

inputs = Input(shape=(784,))     # input layer 
x = Dense(32, activation='relu')(inputs)  # hidden layer 
outputs = Dense(10, activation='softmax')(x) # output layer 

model = Model(inputs, outputs) 

其實，這種隱含輸入層就是爲什麼你要的原因僅在Sequential API中的模型的第一個（顯式）層中包含input_shape參數 - 在隨後的層中，輸入形狀是從前一個層的輸出中推斷的（請參閱源代碼core.py中的comments）。

您還可以在tf.contrib.keras.layers.Input找到documentation啓發。