Keras常用層

1. Dense層：全連接層
2. Activatiion層：激活層，對一個層的輸出施加激活函數
3. Dropout層：為輸入數據施加Dropout。Dropout將在訓練過程中每次更新參數時按一定概率(rate)隨機斷開輸入神經元，Dropout層用於防止過擬合
4. Flatten層：Flatten層用來將輸入“壓平”，即把多維的輸入一維化，常用在從卷積層到全連接層的過渡。Flatten不影響batch的大小
5. Reshape層：Reshape層用來將輸入shape轉換為特定的shape
6. Permute層：Permute層將輸入的維度按照給定的模式進行重拍，例如，當需要將RNN和CNN網絡連接時，可能需要該層。
7. RepeatVector層：RepeatVector層將輸入重復n次
8. Lambda層：用以對上一層的輸出施加任何Theano/TensorFlow表達式
9. ActivityRegularizer層：經過該層的數據不會有任何變化，但會基於激活值更新損失函數值
10. Masking層：使用給定的值對輸入序列信號進行屏蔽，用以定位需要跳過的時間步