向量数据: 2D 张量,形状为 (samples, features)
时间序列数据或序列数据: 3D 张量,形状为 (samples, timesteps, features)
图像: 4D...根据惯例,时间轴始终是第 2 个轴
图像通常具有三个维度: 高度、宽度和颜色深度
灰度图像只有一个颜色通道,因此可以保存在 2D 张量中
4D张量表示
?..., height, width, color_depth) 的 4D 张量中,而不同视频组成的批量则可以保存在一个 5D 张量中,其形状为(samples, frames, height, width,...图像数据保存在 4D 张量中，通常用二维卷积层(Keras 的 Conv2D )来处理
Keras框架具有层兼容性，具体指的是每一层只接受特定形状的输入张量,并返回特定形状的输出张量
layer = layers.Dense...这个层将返回一个张量,第一个维度的大小变成了 32 因此，这个层后面只能连接一个接受 32 维向量作为输入的层，使用 Keras 时，你无须担心兼容性，因为向模型中添加的层都会自动匹配输入层的形状，下一次层可以写为
