python - tf.keras.layers.Input() 和 tf.keras.layers.Flatten() 有什么区别

Question

我已经看到了 tf.keras.layers.Flatten() (例如 here )和 tf.keras.layers.Input() 的多种用途(例如 here )。阅读文档后，我不清楚

1. 他们中的任何一个是否使用另一个
2. 在向模型引入输入层时，两者是否可以互换使用(假设维度为 (64, 64))

Answer 1

我认为困惑来自于使用 tf.keras.Sequential模型，不需要显式 Input层。考虑以下两个等效模型:

import tensorflow as tf

model1 = tf.keras.Sequential([
      tf.keras.layers.Flatten(),
      tf.keras.layers.Dense(5, activation='relu'),
    ])

model1.build((1, 28, 28, 1))

model2 = tf.keras.Sequential([
      tf.keras.layers.Input((28, 28, 1)),
      tf.keras.layers.Flatten(),
      tf.keras.layers.Dense(5, activation='relu'),
    ])

不同之处在于我明确设置了输入形状model2使用Input层。在 model1 ，当您向其传递真实数据或调用model.build时，将推断输入形状.

现在关于Flatten层，该层只是将 n 维张量(例如 (28, 28, 1) )转换为 1D 张量 (28 x 28 x 1) 。 Flatten层和Input层可以共存于 Sequential模型但不相互依赖。