既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
TensorFlow2 一小时学会全连接层
概述
全链接层 (Fully Connected Layer) 会把一个特质空间线性变换到另一个特质空间, 在整个网络中起到分类器的作用.
keras.layers.Dense
keras.layers.Dense
可以帮助我们实现全连接.
格式:
tf.keras.layers.Dense(
units, activation=None, use_bias=True,
kernel_initializer='glorot_uniform',
bias_initializer='zeros', kernel_regularizer=None,
bias_regularizer=None, activity_regularizer=None, kernel_constraint=None,
bias_constraint=None, **kwargs
)
参数 | 介绍 |
---|---|
units | 正整数, 输出空间维度 |
activation | 激活函数, 若不指定, 则不适用激活函数 |
use_bias | 布尔值, 该层是否使用偏置向量 |
kernel_initializer | kernel 权值矩阵的初始化器 |
bias_initializer | 偏执向量的初始化器 |
kernel_regulaizer | 运用到偏执项的正则化函数 |
bias_regularizer | 运用到偏执项的的正则化函数 |
activity_regulatizer | 运用到层的输出正则化函数 |
kernel_constrint | 运用到kernel 权值矩阵的约束函数 |
bias_constraint | 运用到偏执向量的约束函数 |
例子:
# 创建正态分布
x = tf.random.normal([256, 784])
# 创建全连接层, 输出为512
net = tf.keras.layers.Dense(512)
out = net(x)
# 调试输出
print("w:", net.kernel.shape)
print("b:", net.bias.shape)
输出结果:
w: (784, 512)
b: (512,)
keras.Squential
Squential (序列模型) 是各层次之间依次顺序的线性关系. 模型结构通过一个列表来制定.
格式:
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
s/618545628)**
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!