在哪里可以找到班级keras.layers.Input的API文档？我无法在https://keras.io/找到它。
答案 0 :(得分：42)
当你不熟悉Keras时，很难通过该文档。
但是建立keras模型有两种方法：
Sequential型号Model功能API Input图层不与Sequential模型一起使用，仅与Model一起使用。
可能没有明确的文档，因为除了为模型定义输入数据的形状外，Input图层绝对没有任何作用。 （实际上它会创建一个＆＃34; tensor＆＃34;您可以将其用作其他图层的输入）。
想象一下，您正在创建一个采用MNIST数据批量处理的模型，该数据具有28x28像素图像。然后，您的输入形状为(28,28)（请参阅*）。
创建模型时，只需使用Input来定义：
#inp will be a tensor with shape (?, 28, 28)
inp = Input((28,28))
以下图层将使用此输入：
x = SomeKerasLayer(blablabla)(inp)
x = SomeOtherLayer(blablabla)(x)
output = TheLastLayer(balblabla)(x)
当你创建模型时，你定义了数据将遵循的路径，在这种情况下是从输入到输出：
model = Model(inp,output)
使用Model api，还可以创建分支，多个输入和多个输出，分支等。
如果有多个输入，您可以创建多个Input图层。
有关实际图层的更多高级示例，请参阅此处：https://keras.io/getting-started/functional-api-guide/
* - 这不是一个规则。根据您格式化输入数据的方式，此形状可能会发生变化。有些模型不喜欢关注2D信息，而是使用形状为(784,)的扁平图像。将使用卷积层的模型通常将输入数据整形为(28,28,1)，即具有一个通道的图像。 （通常，图像有3个通道，RGB）。
Input Input方法的代码定义为here（2017年12月22日）
可能的论点：
K.variable()。 name，dtype和sparse。答案 1 :(得分：1)
上述答案总结了大部分内容。但正如评论中所述，我认为tf.contrib.keras包含有关keras的文档。 This链接包含相同的文档。
如接受的答案中所述，Input可与model一起用于表示张量。事实上，它会返回一个张量。我理解它的方式是，它有点类似于tf.placeholder，因为它允许我们仅根据Input对象定义模型，并在以后适合模型。以下是tensorflow文档中的示例。
# this is a logistic regression in Keras
x = Input(shape=(32,))
y = Dense(16, activation='softmax')(x)
model = Model(x, y)
在这里可以看到Input的用法与tf.placeholder