基于K.image_data_format() == ‘channels_first’ 的理解

首先，要理解K代表什么，它是Keras模块的名字空间，它允许我们访问深度学习框架提供的一些关键功能。

K.image_data_format()函数返回的是一个字符串，指示了Keras当前使用的数据通道格式。对于通道第一的格式，返回的字符串为'channels_first'，对于通道最后的格式，返回的字符串为'channels_last'。

在Keras中，如果模型需要使用通道第一的格式，则需要将'channels_first'作为参数传递。下面是一个使用'channels_first'数据格式的简单例子：

from keras import backend as K

K.set_image_data_format('channels_first')

# 定义较简单的Sequential模型
from keras.models import Sequential
model = Sequential()

# 添加卷积层
from keras.layers import Conv2D
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(3, 28, 28)))

# 继续添加层
model.add(...)

在上面的例子中，我们使用K.set_image_data_format('channels_first')指定了数据格式为通道第一，之后添加了一个二维卷积层，并指定了图像输入的形状为(3, 28, 28)（通道数为3，高度为28，宽度为28）。

如果我们使用通道最后的数据格式，则代码将如下所示：

from keras import backend as K

K.set_image_data_format('channels_last')

# 定义较简单的Sequential模型
from keras.models import Sequential
model = Sequential()

# 添加卷积层
from keras.layers import Conv2D
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 3)))

# 继续添加层
model.add(...)

在上面的代码中，我们使用K.set_image_data_format('channels_last')指定了数据格式为通道最后，之后添加了一个二维卷积层，并指定了图像输入的形状为(28, 28, 3)（高度为28，宽度为28，通道数为3）。

需要注意的是，如果我们在使用Keras时不指定数据格式，那么默认情况下Keras将使用通道最后的格式('channels_last')。