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)。