Keras层 – 2

继续上一篇文章。

稠密

keras.layers.Dense（units，activation = None，use_bias = True，kernel_initializer ='glorot_uniform'，bias_initializer ='zeros'，kernel_regularizer = None，bias_regularizer = None，activity_regularizer = None，kernel_constraint = None，bias_constraint = None）

只是您标准的密集关联NN层。

密集执行任务：输出=激活（点（输入，内核）+偏差）其中驱动是组件精明启动函数作为设定争用，内核是由层创建的加载点阵，而偏差是由图层（如果use_bias为True，则只是材质）。

如果对层的输入具有比2更突出的等级的概率，则在具有内核的基础speck项之前它被拉直。

模型

＃作为顺序模型中的第一层：
model = Sequential（）
model.add（Dense（32，input_shape =（16，）））
＃现在模型将作为形状的输入数组（*，16）
＃和输出形状数组（*，32）

＃在第一层之后，您不需要指定
＃输入的大小了：
model.add（密集（32））

争论

• units：输出空间的正数，维数。
• 制定：使用的激活功能（参见动作）。如果您没有确定任何内容，则不会连接任何启动（即“直接”启动：a（x）= x）。
• use_bias：Boolean，无论该层是否使用偏置向量。
• kernel_initializer：内核的初始化程序加载网格（请参阅初始化程序）。
• bias_initializer：偏置向量的初始化器（参见初始化器）。
• kernel_regularizer：连接到内核的规则化器功能加载网络（参见regularrizer）。
• bias_regularizer：与偏置矢量相连的正则化函数（参见正则化器）。
• activity_regularizer：连接到图层输出的规则化器功能（其“制定”）。 （见规范者）。
• kernel_constraint：连接到内核的约束函数加载晶格（参见约束）。
• bias_constraint：连接到偏置向量的约束函数（请参阅约束）。

输入形状

具有形状的nD张量：（batch_size，…，input_dim）。最广泛认可的情况是具有形状的2D输入（batch_size，input_dim）。

输出形状

具有形状的nD张量：（batch_size，…，units）。例如，对于具有形状的2D输入（batch_size，input_dim），输出将具有形状（batch_size，units）。