关于两段tf.keras.Sequential代码相似性及形状推理的疑问

问题1：第二段代码未定义含4个神经元的第二层，为何称两段代码相似？ #

这是原文注释表述不够严谨，两段代码的输入定义逻辑完全等价，而非整个模型结构一致：

• 第一段通过在第一个Dense层中指定input_shape=(16,)来定义模型输入维度
• 第二段通过显式添加tf.keras.Input(shape=(16,))层定义输入维度

这两种写法作用完全相同，都是告知Keras模型的输入是形状为(16,)的张量。原文注释想表达的是这两种输入定义方式等价，大概率是注释时漏写了第二段的Dense(4)层。

问题2：第一段代码中第一层Dense层指定了units=8，后续如何应用自动形状推理？ #

自动形状推理的核心是Keras会自动将上一层的输出形状作为下一层的输入形状，无需手动指定：

1. 第一层Dense(8, input_shape=(16,))的输出形状为(None, 8)（None代表不固定的批量维度）
2. 添加第二层Dense(4)时，Keras会自动读取上一层的输出形状(None,8)，将其作为当前层的输入形状，因此你不需要手动给第二层设置input_shape参数

你提到的下一层输入形状是(None,8)完全正确，这正是自动形状推理帮你完成的工作——省去手动指定输入形状的步骤，由框架自动处理。

内容的提问来源于stack exchange，提问作者Yashraj Prasad