Tensorflow.js tf.input()函数

Tensorflow.js中的tf.input()函数用于创建一个可用于输入的tf.Tensor类型对象。在构建深度学习模型时，通常需要指定输入数据的形状和类型，而tf.input()则提供了一个更为灵活的方式来创建输入数据。

语法

tf.input(
  shape: number[] | tf.Shape,
  dtype?: 'float32' | 'int32' | 'bool' | 'complex64' | 'string' | DataType
): {} 

参数

• shape：指定输入数据的形状，可以是数组或tf.Shape类型。
• dtype：指定输入数据的类型，可以是以下几种：float32、int32、bool、complex64、string或DataType类型。

返回值

返回一个tf.Tensor类型对象，可用于执行tf.Tensor类型的各种操作。

示例

const inputTensor = tf.input({shape: [2, 3], dtype: 'float32'});
console.log(inputTensor.shape);
// Output: [2, 3]
console.log(inputTensor.dtype);
// Output: "float32"

上述示例代码创建了一个形状为[2, 3]、类型为float32的tf.Tensor对象。在构建模型时，可以将该对象作为输入层的输入数据。例如：

const inputTensor = tf.input({shape: [2, 3], dtype: 'float32'});
const denseLayer = tf.layers.dense({units: 4, activation: 'relu'}).apply(inputTensor);
const model = tf.model({inputs: inputTensor, outputs: denseLayer});

在这个例子中，我们首先创建了一个形状为[2, 3]的输入层并将其作为参数传递给tf.layers.dense()方法，创建一个包含4个神经元的全连接层。然后，我们将输入层和全连接层结合起来，构建了一个完整的模型。

总结

tf.input()函数是Tensorflow.js中一个非常重要的函数，在构建深度学习模型时，它可以为我们提供更为灵活的方式来创建输入数据。通过调用tf.input()函数，我们可以指定输入数据的形状和类型，从而更加方便地构建模型。