深度學習Keras框架筆記之Dense類(標准的一維全連接層)


      深度學習Keras框架筆記之Dense類(標准的一維全連接層)

  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維 tensor(nb_samples, input_dim)

       outputshape: 2維 tensor(nb_samples, output_dim)

          參數:

  •       output_dim: int >= 0,輸出結果的維度
  •        init : 初始化權值的函數名稱或Theano function。可以使用Keras內置的,也可以傳遞自己編寫的Theano function。如果不給weights傳遞參數時,則該參數必須指明。
  •        activation : 激活函數名稱或者Theano function。可以使用Keras內置的,也可以是傳遞自己編寫的Theano function。如果不明確指定,那么將沒有激活函數會被應用。
  •        weights :用於初始化權值的numpy arrays組成的list。這個List至少有1個元素,其shape為(input_dim, output_dim)。(如果指定init了,那么weights可以賦值None)
  •        W_regularizer:權值的規則化項,必須傳入一個WeightRegularizer的實例(比如L1或L2規則化項。)
  •        b_regularizer:偏置值的規則化項,必須傳入一個WeightRegularizer的實例(比如L1或L2規則化項)。
  •        activity_regularizer:網絡輸出的規則化項,必須傳入一個ActivityRegularizer的實例。
  •        W_constraint:權值約束,必須傳入一個constraints的實例。
  •        b_constraint:偏置約束,必須傳入一個constraints的實例。
  •        input_dim:輸入數據的維度。這個參數會在模型的第一層中用到。 


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM