Input(shape=None,batch_shape=None,name=None,dtype=K.floatx(),sparse=False,tensor=None)
shape: 形狀元組（整型），不包括batch size。for instance, shape=(32,) 表示了預期的輸入將是一批32維的向量。
batch_shape: 形狀元組（整型），包括了batch size。for instance, batch_shape=(10,32)表示了預期的輸入將是10個32維向量的批次。
且：可以用None表示佔位
inputs = Input(shape=(None, 4))#shape=(?, ?,4)，生成3維的矩陣，若後面的層是LSTM層，則必須是3維的矩陣
encoder_inputs = Input(shape=(4))#這種寫法會報錯，必須加逗號
encoder_inputs = Input(shape=(4，))#shape=(?, 4)，生成2維的矩陣
name: 對於該層是可選的名字字符串。在一個模型中是獨一無二的（同一個名字不能複用2次）。如果name沒有被特指將會自動生成。
dtype: 預期的輸入數據類型
sparse: 特定的布爾值，佔位符是否爲sparse
tensor: 可選的存在的向量包裝到Input層，如果設置了，該層將不會創建一個佔位張量。
參考：
https://blog.csdn.net/u013249853/article/details/88950943
https://blog.csdn.net/weixin_38145317/article/details/90694258