一、总结

一句话总结：

Flatten层用来将输入“压平”，即把多维的输入一维化，常用在从卷积层到全连接层的过渡。Flatten不影响batch的大小。
# now：model.output_shape==(None,64,32,32)

model.add(Flatten())
# now: model.output_shape==(None,65536)

 

 

1、从tensorflow2的keras下引入东西不能from keras.models import Sequential？

可以加上tensorflow：from tensorflow.keras import layers, Sequential

 

 

 

二、深度学习中Flatten层的作用

转自或参考：深度学习中Flatten层的作用
https://blog.csdn.net/program_developer/article/details/80853425

Flatten层的实现在Keras.layers.core.Flatten()类中。

作用：

Flatten层用来将输入“压平”，即把多维的输入一维化，常用在从卷积层到全连接层的过渡。Flatten不影响batch的大小。

例子：

from keras.models import Sequential
from keras.layers.core import Flatten
from keras.layers.convolutional import Convolution2D
from keras.utils.vis_utils import plot_model


model = Sequential()
model.add(Convolution2D(64,3,3,border_mode="same",input_shape=(3,32,32)))
# now：model.output_shape==(None,64,32,32)

model.add(Flatten())
# now: model.output_shape==(None,65536)

plot_model(model, to_file='Flatten.png', show_shapes=True)

为了更好的理解Flatten层作用，我把这个神经网络进行可视化如下图：

深度学习中Flatten层的作用