在tf.keras.Model (命令式应用编程接口)中获取输入形状

在tf.keras.Model中获取输入形状，可以使用input_shape属性。input_shape是一个元组，用于指定输入张量的形状。它可以在模型的第一层或者通过调用模型的build方法来设置。

例如，假设我们有一个简单的神经网络模型，包含一个输入层和一个全连接层：

import tensorflow as tf

# 定义模型
model = tf.keras.models.Sequential([
    tf.keras.layers.Input(shape=(32, 32, 3)),  # 输入层，指定输入形状为(32, 32, 3)
    tf.keras.layers.Dense(64, activation='relu')  # 全连接层
])

# 打印输入形状
print(model.input_shape)

输出结果为：(None, 32, 32, 3)，其中None表示批量大小可以是任意值。

在这个例子中，我们使用了tf.keras.layers.Input来定义输入层，并通过shape参数指定输入形状为(32, 32, 3)。然后，我们可以通过访问model.input_shape来获取输入形状。

对于tf.keras.Model的子类，可以在构造函数中使用tf.keras.Input来定义输入层，并通过shape参数指定输入形状。例如：

import tensorflow as tf

class MyModel(tf.keras.Model):
    def __init__(self):
        super(MyModel, self).__init__()
        self.input_layer = tf.keras.layers.Input(shape=(32, 32, 3))
        self.dense_layer = tf.keras.layers.Dense(64, activation='relu')

    def call(self, inputs):
        x = self.input_layer(inputs)
        x = self.dense_layer(x)
        return x

# 创建模型实例
model = MyModel()

# 打印输入形状
print(model.input_shape)

输出结果为：(None, 32, 32, 3)。

总结起来，通过使用tf.keras.layers.Input或者在构造函数中使用tf.keras.Input来定义输入层，并通过shape参数指定输入形状，可以在tf.keras.Model中获取输入形状。