如何在 Keras 中创建输入层？ [复制]答案

【问题标题】：How do you create an input layer in Keras? [duplicate]如何在 Keras 中创建输入层？ [复制]
【发布时间】：2021-05-30 02:53:21
【问题描述】：

按照教程，这是一个简单的 3 层顺序神经网络示例：

model = keras.Sequential(
    [
        layers.Dense(2, activation="relu", name="layer1"),
        layers.Dense(3, activation="relu", name="layer2"),
        layers.Dense(4, name="layer3"),
    ]
)

这是否意味着输入层是 2 个神经元？因为我发现如果我给模型一个不同大小的向量，它会改变。如果我拟合除 2 以外的任何大小的向量，我预计会出现错误，因为输入层只有 2 个神经元。

【问题讨论】：

标签： tensorflow machine-learning keras neural-network

【解决方案1】：

您需要在顺序模型的第一层中定义输入形状。试试这个：

    from keras.models import Sequential
    from keras.layers import Dense, Activation
    model = Sequential([
                        Dense(32, input_shape=(784,)),
                        Activation('relu'),
                        Dense(10),
                        Activation('softmax'),
                        ])

【讨论】：

但是传递给 Sequential 的第一层有 32 个神经元，而不是 784 个，所以我很困惑。第一层，也就是输入层，神经元的数量应该和特征的数量一样多（在这种情况下，有 784 个特征，可能代表图像的 784 个像素）？
@JohnS ：你是对的，但这是由 Keras API 处理的。实际上，它会使用您的输入创建一个输入层，然后下一层（您在模型中定义的第一层）有 32 个神经元。
@JohnS 对于顺序模型，这里的第一层不是“输入层”，实际上是具有可训练参数的第一层。参数 'input_shape' 为您的输入创建一个类似张量的对象（即占位符）。然后将其馈送到 32 个单元的第一个 Dense 层（即，该 Dense 层的输出大小为 32）

【解决方案2】：

第一层，即输入层，应该有尽可能多的神经元，因为有特征（在这种情况下，有 784 个特征，

这是不正确的，你可以在层中只放一个神经元，它会起作用，但它的权重的数量必须等于特征的数量。

【讨论】：