Keras学习笔记02——常用的网络层

在搭建神经网络结构时，我们要向网络中添加一些网络层，下面列举出来常用的网络层及其相关用法。

一、常用层

常用层对应于core模块，core内部定义了一系列常用的网络层，包括全连接、激活层等。

1.Dense层

Dense层：全连接层。

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, bias=True, input_dim=None)

• output_dim：大于0的整数，代表该层的输出维度。模型中非首层的全连接层其输入维度可以自动推断，因此非首层的全连接定义时不需要指定输入维度。
• init：初始化方法，为预定义初始化方法名的字符串，或用于初始化权重的Theano函数。该参数仅在不传递weights参数时才有意义。
• activation：激活函数，为预定义的激活函数名，或逐元素（element-wise）的Theano函数。如果不指定该参数，将不会使用任何激活函数（即使用线性激活函数：a(x)=x）。
• weights：权值，为numpy array的list。该list应含有一个形如（input_dim,output_dim）的权重矩阵和一个形如(output_dim,)的偏置向量。
• W_regularizer：施加在权重上的正则项，为WeightRegularizer对象。
• b_regularizer：施加在偏置向量上的正则项，为WeightRegularizer对象。
• activity_regularizer：施加在输出上的正则项，为ActivityRegularizer对象。
• W_constraints：施加在权重上的约束项，为Constraints对象。
• b_constraints：施加在偏置上的约束项，为Constraints