model = tf.keras.Sequential()model.add(layers.Dense(7*7*256, use_bias=False, input_shape=(100,)))model.add(layers.BatchNormalization())model.add(layers.LeakyReLU())model.add(layers.Reshape((7, 7, 256)))

密集层接受1*100维度的输入。它在层中使用了7*7*256个节点。重塑层接受1*(7*7*256)作为输入，其输出是什么？我是说(7, 7, 256)表示什么？

如果我们输入1*100的图像，它会变成7 * 7的图像吗？这是什么意思？

对不起，我知道我完全理解错了。所以我想弄明白这一点。

回答：

在这里，你的模型将接受(*, 100)的输入形状，第一个密集层将输出形状为(*, 7*7*256)，最后的重塑层将该输出重塑为形状为(*, 7, 7, 256)的数组。

其中*表示你的批量大小。

所以是的，基本上，你的形状为(,100)的’图像’将被重塑为形状为(, 7, 7, 256)的数组。

希望这对你有帮助