这篇文章主要讲解了keras如何获取某层的输入/输出tensor尺寸，内容清晰明了，对此有兴趣的小伙伴可以学习一下，相信大家阅读完之后会有帮助。

获取单输入尺寸，该层只被使用了一次。

import kerasfrom keras.layers import Input, LSTM, Dense, Conv2Dfrom keras.models import Modela = Input(shape=(32, 32, 3))b = Input(shape=(64, 64, 3)) conv = Conv2D(16, (3, 3), padding='same')conved_a = conv(a) # 到目前为止只有一个输入，以下可行：assert conv.input_shape == (None, 32, 32, 3)

如果该层被使用了两次

import kerasfrom keras.layers import Input, LSTM, Dense, Conv2Dfrom keras.models import Modela = Input(shape=(32, 32, 3))b = Input(shape=(64, 64, 3)) conv = Conv2D(16, (3, 3), padding='same')conved_a = conv(a) # 到目前为止只有一个输入，以下可行：assert conv.input_shape == (None, 32, 32, 3) conved_b = conv(b)# 现在 `.input_shape` 属性不可行，但是这样可以：assert conv.get_input_shape_at(0) == (None, 32, 32, 3)assert conv.get_input_shape_at(1) == (None, 64, 64, 3)

如果是输出，只需要改成output就好：

import kerasfrom keras.layers import Input, LSTM, Dense, Conv2Dfrom keras.models import Modela = Input(shape=(32, 32, 3))b = Input(shape=(64, 64, 3)) conv = Conv2D(16, (3, 3), padding='same')conved_a = conv(a) # 到目前为止只有一个输入，以下可行：assert conv.input_shape == (None, 32, 32, 3) conved_b = conv(b)# 就改了output，当然尺寸我也改了assert conv.get_output_shape_at(0) == (None, 32, 32, 16)assert conv.get_output_shape_at(1) == (None, 64, 64, 16)

补充知识：keras中获取shape的正确方法

在keras的网络中，如果用layer_name.shape的方式获取shape信息将会返还tensorflow.python.framework.tensor_shape.TensorShape其中包含的是tensorflow.python.framework.tensor_shape.Dimension

正确的方式是使用

import keras.backend as K
K.int_shape(laye_name)

看完上述内容，是不是对keras如何获取某层的输入/输出tensor尺寸有进一步的了解，如果还想学习更多内容，欢迎关注亿速云行业资讯频道。