神经网络的基本结构是层。层是一个数据处理模块,其能将一个或多个输入张量转换为一个或多个输出张量,多个层链接在一起组成了网络(或模型)。
不同张量格式与不同的数据处理类型需要用到不同的层:
保存在2D张量中的向量数据,通常用密集连接层,也叫全连接层或密集层来处理,对应Keras的Dense层。
保存在3D张量中的序列数据,通常用循环层来处理,对应Keras的LSTM层。
保存在4D张量中的图像数据,通常用二维卷积层来处理,对应Keras的Conv2D层。
Keras等框架将相互兼容的多个层拼接在一起,就像乐高积木一般,以建立有用的数据变换流程。