Tensorflow.js tf.layers.inputLayer()函数

Tensorflow.js 是由谷歌开发的开源库，用于在浏览器或节点环境中运行机器学习模型以及深度学习神经网络。

tf.layers.inputLayer()函数是指向tf.LayersModel的入口点。通过定义inputshape或batchInputShape支持第一层，它是自发产生的，有利于tf.Sequentialmodels 。它不能被特别定义。此外，例如，在从其他顺序模型层的子集创建顺序模型时，它可能是有益的。

句法：

tf.layers.inputLayer(args)

参数：

• args：上述方法可以持有的参数。它是对象类型，它持有的参数如下所述。
  1. inputShape：规定的输入形状，不包括批处理轴。它可以是 (null | number)[] 类型。
  2. batchSize：它是指定的可选输入批量大小。它可以是整数或空类型。
  3. batchInputShape：它是包含批处理轴的指定批处理输入形状。它可以是 (null | number)[] 类型。
  4. dtype：所述输入的数据类型。它可以是float32、int32、bool、complex64或字符串类型。
  5. sparse：它说明创建的占位符是否是稀疏的。它是布尔值。
  6. 名称：正在使用的图层的规定名称。它是字符串类型。

返回值：返回 InputLayer。

示例 1：

Javascript

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Defining a model
const model = tf.sequential();
  
// Calling layers.inputLayer() using add() method
model.add(tf.layers.inputLayer({inputShape: [4]}));
  
// Printing output
model.predict(tf.ones([1, 4])).print();

输出：

Tensor
     [[1, 1, 1, 1],]

示例 2：

Javascript

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Defining a model
const model = tf.sequential();
  
// Calling layers.inputLayer() method using add() method
model.add(tf.layers.inputLayer({batchInputShape: [4], 
      dtype: 'int32', sparse: false, name: 'mlayer'}));
  
// Printing output
model.summary();

输出：

_________________________________________________________________
Layer (type)                 Output shape              Param #   
=================================================================
mlayer (InputLayer)          [4]                       0         
=================================================================
Total params: 0
Trainable params: 0
Non-trainable params: 0
_________________________________________________________________

参考： https://js.tensorflow.org/api/latest/#layers.inputLayer