tf.keras.Input

Input() используется для создания тензора Keras.

tf.keras.Input(
    shape=None,
    batch_size=None,
    name=None,
    dtype=None,
    sparse=None,
    tensor=None,
    ragged=None,
    type_spec=None,
    **kwargs
)

Тензор Keras — это символический тензор-подобный объект, к которому мы добавляем определённые атрибуты, позволяющие построить модель Keras, зная только входные и выходные данные модели.

Например, если a, b и c являются тензорами Keras, становится возможным выполнить следующее: model = Model(input=[a, b], output=c)

Пример:

# this is a logistic regression in Keras
x = Input(shape=(32,))
y = Dense(16, activation='softmax')(x)
model = Model(x, y)

Обратите внимание, что даже если выполняется жадное выполнение, Input создаёт символический тензор-подобный объект (т. е. заполнятель). Этот символический тензор-подобный объект можно использовать с операциями TensorFlow более низкого уровня, которые принимают тензоры в качестве входных данных, например:

x = Input(shape=(32,))
y = tf.square(x)  # This op will be treated like a layer
model = Model(x, y)

(Это поведение не работает для API TensorFlow более высокого уровня, таких как управление потоками и прямое наблюдение за tf.GradientTape).

Однако полученная модель не будет отслеживать какие-либо переменные, которые были использованы в качестве входных данных для операций TensorFlow. Все использования переменных должны происходить внутри слоёв Keras, чтобы убедиться, что они будут отслеживаться весами модели.

Keras Input также может создать заполнятель из произвольного tf.TypeSpec, например:

x = Input(type_spec=tf.RaggedTensorSpec(shape=[None, None],
                                        dtype=tf.float32, ragged_rank=1))
y = x.values
model = Model(x, y)

При передаче произвольного tf.TypeSpec он должен представлять подпись всего пакета, а не только одного примера.