随机生成带有obtain_input_shape()的Python代码示例

这里是一个使用 Keras 库的示例代码，其中包含一个简单的模型的定义和一个使用 obtain_input_shape() 方法的使用例子。

首先，我们需要导入必要的库：

from keras.models import Sequential
from keras.layers import Dense

接下来，我们可以定义一个简单的模型。这个模型包含一个输入层、两个隐藏层和一个输出层：

model = Sequential()
model.add(Dense(32, activation='relu', input_shape=(None, 64)))  # 输入层
model.add(Dense(64, activation='relu'))  # 隐藏层
model.add(Dense(1, activation='sigmoid'))  # 输出层

在这个示例中，我们使用了 Dense 类来定义一个全连接层。在输入层之前，我们使用了 input_shape 参数来指定输入数据的形状。这里我们使用 (None, 64)，其中 None 表示任意数量的样本，64 表示每个样本的特征数量。

然后，我们可以通过调用 obtain_input_shape() 方法来获取输入层的形状：

input_shape = model.layers[0].obtain_input_shape()
print("输入层形状：", input_shape)

输出将类似于：

输入层形状： [(None, 64)]

这里使用 layers[0] 来获取模型的输入层，并调用 obtain_input_shape() 方法来获取其形状。

实际上，在此示例中，obtain_input_shape() 方法的调用结果与 input_shape 参数的值相同。这是因为 Keras 在模型构建期间会自动推断输入层的形状。然而，在某些情况下，可能需要手动指定输入层的形状，这时 obtain_input_shape() 方法就会返回有用的值。

希望这个示例能帮助你理解和使用 obtain_input_shape() 方法。请注意，这只是一个简单的示例，更复杂的模型可能涉及到其他参数和层类型。