Keras：InputLayer和Input的区别答案

【问题标题】：Keras: difference of InputLayer and InputKeras：InputLayer和Input的区别
【发布时间】：2018-02-19 04:23:25
【问题描述】：

我使用 Keras 和 Tensorflow 制作了一个模型。我将Inputlayer 与这些代码行一起使用：

img1 = tf.placeholder(tf.float32, shape=(None, img_width, img_heigh, img_ch))
first_input = InputLayer(input_tensor=img1, input_shape=(img_width, img_heigh, img_ch)) 
first_dense = Conv2D(16, 3, 3, activation='relu', border_mode='same', name='1st_conv1')(first_input)

但我收到此错误：

ValueError: Layer 1st_conv1 was called with an input that isn't a symbolic tensor. Received type: <class 'keras.engine.topology.InputLayer'>. Full input: [<keras.engine.topology.InputLayer object at 0x00000000112170F0>]. All inputs to the layer should be tensors.

当我像这样使用Input 时，它工作正常：

first_input = Input(tensor=img1, shape=(224, 224, 3), name='1st_input')
first_dense = Conv2D(16, 3, 3, activation='relu', border_mode='same', name='1st_conv1')(first_input)

Inputlayer 和 Input 有什么区别？

【问题讨论】：

标签： tensorflow keras

【解决方案1】：

根据 tensorflow 网站，“一般建议通过 Input 使用功能层 API，（创建 InputLayer）而不直接使用 InputLayer。” 在此页面了解更多信息here

【讨论】：

【解决方案2】：

InputLayer 是一个层。
Input 是张量。

您只能调用将张量传递给它们的层。

想法是：

outputTensor = SomeLayer(inputTensor)

所以，只有Input 可以通过，因为它是张量。

老实说，我不知道InputLayer 存在的原因。也许它应该在内部使用。我从来没有用过它，而且我似乎永远不需要它。

【讨论】：

然而，当在 Keras 中创建输入并将模型序列化为 json 时，输入被转换为 InputLayer...所以我猜它不仅仅是内部的。不知道为什么。
我也不知道它是干什么用的，但是我的同事说它可以用来指定输入形状，而不需要.compile() 模型（无论如何Sequential()）。
与编译绝对没有关系。编译用于将优化器、指标和损失添加到图中。你需要为训练而编译，你不需要为其他事情编译。