在Keras中创建Sequential模型时,我理解您在第一层中提供输入形状。那么这个输入形状是否会构成一个隐含的输入层?
例如,下面的模型明确指定了2个密集层,但实际上是一个由输入形状暗示的输入层,一个具有32个神经元的隐藏密集层,然后是一个具有10个可能输出的输出层,总共3层的模型吗?
model = Sequential([
Dense(32, input_shape=(784,)),
Activation('relu'),
Dense(10),
Activation('softmax'),
])