深度学习Keras框架笔记之Activation类使用

最新推荐文章于 2025-10-06 02:58:23 发布

转载最新推荐文章于 2025-10-06 02:58:23 发布 · 1.7k 阅读

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/68xi/p/8590888.html

文章标签：

本文详细介绍了Keras中Activation层的使用方法，包括其输入输出形状、参数设置及如何应用激活函数。此外，还提到了预测函数的输出特性和自定义Theano函数的可能性。

使用

keras.layers.core.Activation(activation)

Apply an activation function tothe input.（貌似是把激活函数应用到输入数据的一种层结构）

inputshape: 任意。当把这层作为某个模型的第一层时，需要用到该参数（元组，不包含样本轴）。

outputshape：同input shape

参数：

activation:编码器，是一个layer类型或layer容器类型。
decoder:解码器，是一个layer类型或layer容器类型。
output_reconstruction:boolean。值为False时，调用predict()函数时，输出是经过最深隐层的激活函数。(这一块还不太了解，待以后了解了再补充)
weights: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Theano function。如果不明确指定，那么将没有激活函数会被应用。

转载于:https://www.cnblogs.com/68xi/p/8590888.html