深度学习Keras框架笔记之Dense类(标准的一维全连接层)

最新推荐文章于 2024-06-04 09:03:19 发布

转载

最新推荐文章于 2024-06-04 09:03:19 发布 · 1k 阅读

2 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/68xi/p/8590722.html

文章标签：

#人工智能 #python

本文介绍了深度学习Keras框架中的Dense类，特别是作为一维全连接层的使用。内容包括Dense层的输入输出形状、参数设置，如output_dim、init、activation等，并提及权重初始化、正则化和约束的概念。

深度学习Keras框架笔记之Dense类(标准的一维全连接层)

例：

keras.layers.core.Dense(output_dim,init='glorot_uniform', activation='linear', weights=None  
W_regularizer=None, b_regularizer=None, activity_regularizer=None,  
W_constraint=None, b_constraint=None, input_dim=None)

inputshape: 2维 tensor(nb_samples, input_dim)

outputshape: 2维 tensor(nb_samples, output_dim)

参数：

output_dim: int >= 0，输出结果的维度
init : 初始化权值的函数名称或Theano function。可以使用Keras内置的，也可以传递自己编写的Theano function。如果不给weights传递参数时，则该参数必须指明。
activation : 激活函数名称或者Theano function。可以使用Keras内置的，也可以是传递自己编写的T