Estou acompanhando o tutorial do Tensorflow para iniciantes:

• https://www.tensorflow.org/tutorials/quickstart/beginner

E chegamos à nossa primeira linha de código:

Crie um modelo de aprendizado de máquina

Construa um modelo tf.keras.Sequential:

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10)
])

E estou confuso com a primeira linha:

tf.keras.layers.Flatten(input_shape=(28, 28))

Especificamente sobre o input_shapeargumento.

Por quê : porque pensei que a Flattenoperação pegava a camada anterior e a transformava em um vetor 1-d; então o que o input_shapeargumento significa?

Então consultamos a documentação

A documentação em Flatten(): https://www.tensorflow.org/api_docs/python/tf/keras/layers/Flatten

diz:

Achata a entrada. Não afeta o tamanho do lote.

E especificamente estou interessado no input_shapeargumento:

Argumentos

data_formatUma string, um de channels_last(padrão) ou channels_first. A ordenação das dimensões nas entradas. canais_último corresponde a entradas com formato ( batch, ..., channels) enquanto canais_primeiro corresponde a entradas com formato ( batch, channels, ...). Quando não especificado, usa image_data_formato valor encontrado no arquivo de configuração do Keras em ~/.keras/keras.json(se existir) else 'channels_last'. O padrão é 'canais_último'.

Não há argumento chamado input_shape.

Então, o que o argumento significa?

Versão curta

• Se eu estivesse escrevendo código TF a partir da documentação, como saberia que isso Flattenleva a um input_shapeargumento?
• Por que o input_shapeargumento é omitido da documentação?

Em outras palavras: deve haver algum conhecimento básico sobre o TensorFlow que a documentação pressupõe que você tenha, mas não se documenta.

Alguém pode me ajudar a entender esse comportamento indocumentado e por que ele não está documentado?

Esforço de Pesquisa

Além de consultar a documentação, temos:

• Explicação de entrada Keras: input_shape, unidades, batch_size, dim, etc (não é minha pergunta, nem responde minha pergunta)