سلام
سایت و مستندات Keras به خوبی این موضوعات رو پوشش داده و توصیه می کنم حتما نمونه کدها رو ببینید:
> https://github.com/fchollet/keras/tree/master/examples
توضیحات مدلهای مختلف رو هم می تونید برای نمونه از این قسمت ببینید:
> https://keras.io/getting-started/sequential-model-guide
به طور خلاصه ورودی شما، بسته به شبکه متفاوته، مثلا، در شبکه های معمولی mlp، ورودی باید یه ماتریس باشه که هر سطرش، متناظر با یک داده آموزشیه. این ماتریس اگه NxD باشه یعنی شما N تا داده دارید، که هر داده D بعد داره
یا برای شبکه های کانولوشن، ورودی باید به صورت یه تنسور با ابعاد (NxWxHxC) باشه، که N تعداد تصاویر در دیتاست، W و H به ترتیب، طول و عرض تصاویر و C تعداد کانالهای هر تصویره
البته بسته به تنظیمات، dimension مربوط به کانالها می تونه اول بیاد یعنی بشه (NxCxWxH)
برای شبکه های recurrent و بقیه شبکه ها هم مثال ها رو ببینید به راحتی متوجه می شید
بردار label یا ground truth هم بسته به این داره که شما بحث classification انجام می دید، یا regression