13、深度学习中的神经网络与自编码器实现

深度学习中的神经网络与自编码器实现

1. 简单神经网络：Keras 实现

我们将实现一个神经网络架构，各层的数量和单元数量可根据需求调整。除输出层使用 softmax() 激活函数外，包括输入层在内的每个隐藏层都使用 ReLU 激活函数。

要跟随本节内容操作，可参考 Jupyter 笔记本： https://github.com/apress/beginning-anomaly-detection-python-deep-learning-2e/blob/master/Chapter%205%20Introduction%20to%20Deep%20Learning/chapter5_mlp_keras.ipynb ，该笔记本中的示例在 TensorFlow 2.7.0 上运行。

1.1 层类型说明

• 输入层（Input） ：指定 x 特征的维度。例如，若选择传入 13 个特征，则维度为 13。对于像图像这种具有长度、宽度和颜色通道数据的多维 x 数据点同样适用。更多信息可查看