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

我们将使用 TensorFlow 和 Keras 来实现一个简单的神经网络。你可以参考 Jupyter 笔记本 ，该示例在 TensorFlow 2.7.0 上运行。

1.1 神经网络架构

我们要实现的神经网络架构如图 5 - 52 所示，层数和单元数是任意选择的，你可以尝试不同的层数和神经元数量。每个隐藏层（包括输入层）使用 ReLU 激活函数，输出层使用 softmax() 激活函数。

1.2 层类型说明

• 输入层（Input） ：指定 x 特征的维度。例如，若选择 13 个特征输入，则维度为 13。也可以处理多维数据，如图像数据有长度、宽度和颜色通道信息。更多信息可查看 输入层文档 。
• 全连接层（Dense） ：由多个神经元组成的神经网络层，是本章前面讨论的基