keras中的shape/input_shape

在keras中，數據是以張量的形式表示的，張量的形狀稱之為shape，表示從最外層向量逐步到達最底層向量的降維解包過程。“維”的也叫“階”，形狀指的是維度數和每維的大小。比如，一個一階的張量[1,2,3]的shape是(3,);

一個二階的張量[[1,2,3],[4,5,6]]的shape是(2,3);一個三階的張量[[[1],[2],[3]],[[4],[5],[6]]]的shape是(2,3,1)

 

input_shape就是指輸入張量的shape。例如，input_dim=784，dim是指dimension（維度），說明輸入是一個784維的向量，784維的向量怎么表示呢？[[...[1],[2],[3]]...]，左邊有784個左括號，這相當於一個一階的張量，它的shape就是(784,)。因此，input_shape=(784,)。

 

參考鏈接：https://blog.csdn.net/x_ym/article/details/77728732