根据以下代码片段来自这个仓库
# 定义图像输入层if DIM_ORDERING == 'th': INP_SHAPE = (3, 224, 224) # 3 - RGB颜色数量 img_input = Input(shape=INP_SHAPE) CONCAT_AXIS = 1elif DIM_ORDERING == 'tf': INP_SHAPE = (224, 224, 3) # 3 - RGB颜色数量 img_input = Input(shape=INP_SHAPE) CONCAT_AXIS = 3输入数据的形状是根据要使用的Keras库的后端来决定的。我想知道为什么这种区别是必要的？为什么我们不能在两种情况下使用相同的输入形状？
回答：
Keras 是一个高级深度学习API，适用于tensorflow和theano。它使用这些库中的函数来执行计算。在Theano中，其作者决定将通道维度放在空间维度之前。在Tensorflow中，作者将其作为最后一个维度。这就是你在Keras中提到的区别的原因。
