我发现了以下声明：
convnet = input_data(shape=[None,img_size,img_size,1], name='input')
我尝试寻找描述，但无法找到明确的解释。
我的主要问题是input_data主要在做什么？它是否像我们输入数据的占位符一样？
关于形状，开头是None，最后是1？
感谢。
答案 0 :(得分：3)
input_data是图层，将用作网络的输入图层。在顺序模型中添加任何常用图层之前，您需要指定输入的外观。例如，在mnist数据集中，您有 784 数组，表示 28x28 图像。
在您的示例中，网络需要一个形状为（None，img_size，img_size，1] 的输入，意思是人类语言：
无 - 许多或多个或多少个图像
img_size X img_size - 图片的尺寸
1 - 使用一个颜色通道
如果mnist数据集为全RGB颜色，则输入数据的形状为（无，28,28,3）
通常无您可以将其视为 batch_size 。
更明确的是，如果你的batch_size为1，那么你需要输入，在我们的mnist RGB示例中，三个 28x28 矩阵，一个代表R像素，另一个代表G像素，最后一个用于图像的B像素。这只是一个条目。在这种情况下，无值将 1 ，但通常是您认为batch_size是什么。你从这里得到了照片。
希望它能解决问题。
干杯，
加布里埃尔
答案 1 :(得分：1)
De Santa的回答是正确的：input_data是输入要素的占位符。你提到的数组首先是None（总是），然后是IMG的宽度和高度（似乎图像是宽度=高度的平方）和通道（在这种情况下是1;例如：在RGB情况下你会得到3个通道）。通过这种方式，网络可以了解输入要素的尺寸。