深度学习Keras框架笔记之Dense类(标准的一维全连接层)

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维 tensor(nb_samples, input_dim)

outputshape: 2维 tensor(nb_samples, output_dim)

    参数:

  • output_dim: int >= 0,输出结果的维度
  • init : 初始化权值的函数名称或Theano function。可以使用Keras内置的,也可以传递自己编写的Theano function。如果不给weights传递参数时,则该参数必须指明。
  • activation : 激活函数名称或者Theano function。可以使用Keras内置的,也可以是传递自己编写的Theano function。如果不明确指定,那么将没有激活函数会被应用。
  • weights :用于初始化权值的numpy arrays组成的list。这个List至少有1个元素,其shape为(input_dim, output_dim)。(如果指定init了,那么weights可以赋值None)
  • W_regularizer:权值的规则化项,必须传入一个WeightRegularizer的实例(比如L1或L2规则化项。)
  • b_regularizer:偏置值的规则化项,必须传入一个WeightRegularizer的实例(比如L1或L2规则化项)。
  • activity_regularizer:网络输出的规则化项,必须传入一个ActivityRegularizer的实例。
  • W_constraint:权值约束,必须传入一个constraints的实例。
  • b_constraint:偏置约束,必须传入一个constraints的实例。
  • input_dim:输入数据的维度。这个参数会在模型的第一层中用到。
04-30 21:14