keras 神经网络模型 Sequential模型

最新推荐文章于 2024-09-13 20:43:54 发布

studiousq

最新推荐文章于 2024-09-13 20:43:54 发布

阅读量3.3k

点赞数 4

本文链接：https://blog.csdn.net/zhaoqqa/article/details/81737912

版权

本文介绍了Keras中的Sequential模型，这是一种线性堆叠多个网络层的方法。主要内容包括通过.add()和添加list两种方式构建模型，以及Dense层的详细参数解释，如units、activation、use_bias等。Dense层作为全连接层，常用于神经网络，并提供了多种激活函数选项，如softmax、relu、sigmoid等。

摘要由CSDN通过智能技术生成

Sequential模型，就是多个网络层的线性堆叠。它建立模型有两中方式，一种是向layer中添加list，一种是通.add()的方式一层层的天添加。

from keras.models import Sequential
from keras.layers.core import Dense,Activation
#list方式
model = Sequential([Dense(32,input_dim=784),Activation('relu'),Dense(10),Activation('softmax')])
#.add的方式
model = Sequential（）
model.add(Dense(input_dim=3,output_dim=10))
model.add(Activation('relu'))

Dense层，是常用的全连接层，

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)

各参数的含义：