本文详细介绍了Keras中Dense层的工作原理，包括激活函数、权重矩阵(kernel)和偏置项(bias)的作用。当输入的秩大于2时，Dense层会先将其展平再进行计算。点乘运算在此过程中起关键作用，同时讨论了不同类型的数学积：点积、叉积、外积和哈达玛积。通过对Dense层的理解，有助于深入学习神经网络的构建和运作。
深入理解 keras 中 Dense 层参数
Dense 实现的操作为：output = activation(dot(input, kernel) + bias) 其中 activation 是按逐个元素计算的激活函数，kernel 是由网络层创建的权值矩阵，以及 bias 是其创建的偏置向量 (只在 use_bias=True 时才有用)。
注意: 如果该层的输入的秩大于2，那么它首先被展平然后 再计算与 kernel 的点乘
数学中几种积：点积(数量积/标量积/内积)、叉积(叉乘/向量积)、外积(张量积/Kronecker积)、哈达玛积(元素积)
6万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
