Keras大法(4)——Dense方法详解


在这里插入图片描述

(一)keras.layers.Dense方法

在开始定义模型之前,我们有必要对Dense方法进行详细地了解,因为它是Keras定义网络层的基本方法,其代码如下:

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)

参数说明如下:

  • units:
    该层有几个神经元

  • activation:
    该层使用的激活函数

  • use_bias:
    是否添加偏置项

  • kernel_initializer:
    权重初始化方法

  • bias_initializer:
    偏置值初始化方法

  • kernel_regularizer:
    权重规范化函数

  • bias_regularizer:
    偏置值规范化方法

  • activity_regularizer:
    输出的规范化方法

  • kernel_constraint:
    权重变化限制函数

  • bias_constraint:
    偏置值变化限制函数

(二)使用示例

以下给出Dense方法的使用示例:

keras.layers.Dense(512, activation= 'sigmoid', input_dim= 2, use_bias= True)

这里定义了一个有512个节点,使用sigmoid激活函数的神经层,注意定义第一层的时候需要制定数据输入的形状,即input_dim,这样才能让数据正常喂进网络!

(三)总 结

在这一节中我们对Dense方法做了详细介绍,有任何的问题请在评论区留言,我会尽快回复,谢谢支持!

相关推荐
©️2020 CSDN 皮肤主题: 数字50 设计师:CSDN官方博客 返回首页