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。