TFLearn - 什么是input_data？

Question

我看到了以下声明：

convnet = input_data(shape=[None,img_size,img_size,1], name='input')

我试图寻找一个描述，但没有找到清晰的解释。

我的主要问题是，input_data函数主要是做什么的？它像我们输入数据的占位符吗？

关于形状，开头的None和结尾的1是什么意思？

谢谢。

- Simplicity

---

input_data 允许您为输入特征创建一个结构。请看：https://blog.thedataincubator.com/2017/09/the-apis-for-neural-networks-in-tensorflow/ - Sivaprasanna Sethuraman

Answer 1

input_data是一个层，将用作您的网络的输入层。在添加任何常规层之前，您需要指定输入的外观。例如，在mnist数据集中，您有784个数组，表示28x28图像。
在您的示例中，网络希望具有形状为(None, img_size,img_size,1]的输入，意思是以人类语言：
None - 多个或多个或多少张图片
img_size X img_size - 图像的尺寸
1 - 具有一个颜色通道

如果mnist数据集是完整的RGB颜色，则输入数据的形状将为(None, 28, 28, 3)。 通常，None可以认为是batch_size。

更明确地说，如果批量大小为1，则在我们的mnist RGB示例中，您需要三个28x28矩阵作为输入，一个表示R像素，另一个表示G像素，最后一个表示B像素。这只是一个条目。在这种情况下，None值将为1，但通常它是您决定批处理大小的任何值。从这里你可以看出来。

希望这清楚了一些问题。

问候，
加布里埃尔

- Gabriel Bercea

---

非常感谢，解释得非常好。 - Simplicity

Answer 2

De Santa的回答是正确的：input_data是输入特征的占位符。你提到的数组首先包含None（始终如此），然后是IMG的宽度和高度（似乎图像是正方形，因为宽度=高度）和通道数（在这种情况下为1；例如在RGB的情况下，你会得到3个通道）。这样，神经网络就可以知道输入特征的尺寸。

- sashimi