算法工程师修仙之路：Keras（七）

最新推荐文章于 2022-12-17 21:59:48 发布

fangzhan1109

最新推荐文章于 2022-12-17 21:59:48 发布

阅读量366

点赞数 2

分类专栏：实战应用

本文链接：https://blog.csdn.net/faker1895/article/details/87649946

版权

本文深入探讨深度学习的基础，重点讲解神经网络中的张量运算，包括逐元素运算、广播机制和张量点积的概念及应用。通过实例解释Keras中如何进行这些运算，并阐述它们在实现神经网络中的作用。

摘要由CSDN通过智能技术生成

深度学习基础

所有计算机程序最终都可以简化为二进制输入上的一些二进制运算（AND、OR、NOR等），与此类似，深度神经网络学到的所有变换也都可以简化为数值数据张量上的一些张量运算（tensor operation），例如加上张量、乘以张量等。
在最开始的例子中，我们通过叠加 Dense 层来构建网络：
```
keras.layers.Dense(512, activation='relu')
```
- 这个层可以理解为一个函数，输入一个 2D 张量，返回另一个 2D 张量，即输入张量的新表示。
- 具体而言，这个函数如下所示（其中 W 是一个 2D 张量，b 是一个向量，二者都是该层的属性）：output = relu(dot(W, input) + b)
- 这里有三个张量运算：输入张量和张量 W 之间的点积运算（dot）、得到的 2D 张量与向量 b 之间的加法运算（+）、最后的 relu 运算。
- relu(x) 是 max(x, 0)。

关注