欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

一小時(shí)學(xué)會(huì)TensorFlow2之全連接層

 更新時(shí)間:2021年09月08日 11:19:39   作者:我是小白呀  
這篇文章主要介紹了TensorFlow2之全連接層,本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下

概述

全鏈接層 (Fully Connected Layer) 會(huì)把一個(gè)特質(zhì)空間線性變換到另一個(gè)特質(zhì)空間, 在整個(gè)網(wǎng)絡(luò)中起到分類器的作用.

在這里插入圖片描述

keras.layers.Dense

keras.layers.Dense可以幫助我們實(shí)現(xiàn)全連接.

在這里插入圖片描述

格式:

tf.keras.layers.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, **kwargs
)

參數(shù) 介紹
units 正整數(shù), 輸出空間維度
activation 激活函數(shù), 若不指定, 則不適用激活函數(shù)
use_bias 布爾值, 該層是否使用偏置向量
kernel_initializer kernel權(quán)值矩陣的初始化器
bias_initializer 偏執(zhí)向量的初始化器
kernel_regulaizer 運(yùn)用到偏執(zhí)項(xiàng)的正則化函數(shù)
bias_regularizer 運(yùn)用到偏執(zhí)項(xiàng)的的正則化函數(shù)
activity_regulatizer 運(yùn)用到層的輸出正則化函數(shù)
kernel_constrint 運(yùn)用到kernel權(quán)值矩陣的約束函數(shù)
bias_constraint 運(yùn)用到偏執(zhí)向量的約束函數(shù)

例子:

# 創(chuàng)建正態(tài)分布
x = tf.random.normal([256, 784])

# 創(chuàng)建全連接層, 輸出為512
net = tf.keras.layers.Dense(512)
out = net(x)

# 調(diào)試輸出
print("w:", net.kernel.shape)
print("b:", net.bias.shape)

輸出結(jié)果:

w: (784, 512)
b: (512,)

keras.Squential

Squential (序列模型) 是各層次之間依次順序的線性關(guān)系. 模型結(jié)構(gòu)通過一個(gè)列表來制定.

在這里插入圖片描述

格式:

tf.keras.Sequential(
    layers=None, name=None
)

參數(shù):

  • layers: 添加的層
  • name: 數(shù)據(jù)名稱

例子:

# 創(chuàng)建正態(tài)分布
x = tf.random.normal([256, 784])

# 建立網(wǎng)絡(luò)模型
model = tf.keras.Sequential([
    tf.keras.layers.Dense(256, activation="relu"),
    tf.keras.layers.Dense(128, activation="relu"),
    tf.keras.layers.Dense(10, activation="relu"),
])

# 傳入x
model(x)

# 調(diào)試輸出權(quán)重和偏置頂名字和形狀
for p in model.trainable_variables:
    print(p.name, p.shape)

輸出結(jié)果:

w: (784, 512)
b: (512,)
dense_1/kernel:0 (784, 256)
dense_1/bias:0 (256,)
dense_2/kernel:0 (256, 128)
dense_2/bias:0 (128,)
dense_3/kernel:0 (128, 10)
dense_3/bias:0 (10,)

到此這篇關(guān)于一小時(shí)學(xué)會(huì)TensorFlow2之全連接層的文章就介紹到這了,更多相關(guān)TensorFlow2全連接層內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • 淺談Keras中shuffle和validation_split的順序

    淺談Keras中shuffle和validation_split的順序

    這篇文章主要介紹了淺談Keras中shuffle和validation_split的順序,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2020-06-06
  • Python包中__init__.py文件的作用與用法實(shí)例詳解

    Python包中__init__.py文件的作用與用法實(shí)例詳解

    我們新建python包時(shí)常常會(huì)看到一個(gè)__init _.py文件,下面這篇文章主要給大家介紹了關(guān)于Python包中__init__.py文件的作用與用法的相關(guān)資料,文中通過實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下
    2022-06-06
  • python中的路徑拼接問題

    python中的路徑拼接問題

    這篇文章主要介紹了python中的路徑拼接問題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2023-03-03
  • python實(shí)現(xiàn)web郵箱掃描的示例(附源碼)

    python實(shí)現(xiàn)web郵箱掃描的示例(附源碼)

    這篇文章主要介紹了python實(shí)現(xiàn)web郵箱掃描的示例(附源碼),幫助大家更好的理解和學(xué)習(xí)使用python,感興趣的朋友可以了解下
    2021-03-03
  • 簡單了解python的一些位運(yùn)算技巧

    簡單了解python的一些位運(yùn)算技巧

    這篇文章主要介紹了簡單了解python的一些位運(yùn)算技巧,位運(yùn)算的性能大家想必是清楚的,效率絕對(duì)高。相信愛好源碼的同學(xué),在學(xué)習(xí)閱讀源碼的過程中會(huì)發(fā)現(xiàn)不少源碼使用了位運(yùn)算,需要的朋友可以參考下
    2019-07-07
  • python 如何在 Matplotlib 中繪制垂直線

    python 如何在 Matplotlib 中繪制垂直線

    這篇文章主要介紹了python 如何在 Matplotlib 中繪制垂直線,幫助大家更好的理解和學(xué)習(xí)使用python,感興趣的朋友可以了解下
    2021-04-04
  • Python數(shù)據(jù)分析之pandas讀取數(shù)據(jù)

    Python數(shù)據(jù)分析之pandas讀取數(shù)據(jù)

    Pandas讀取的文件主要有CSV,TXT和JSON,今天就整理了這3種文件格式的讀取和導(dǎo)出代碼,文中有非常詳細(xì)的代碼示例及介紹,需要的朋友可以參考下
    2021-06-06
  • python 調(diào)用有道api接口的方法

    python 調(diào)用有道api接口的方法

    今天小編就為大家分享一篇python 調(diào)用有道api接口的方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2019-01-01
  • python3中dict.keys().sort()用不了的解決方法

    python3中dict.keys().sort()用不了的解決方法

    本文主要介紹了python3中dict.keys().sort()用不了的解決方法,文中通過示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2021-12-12
  • 決策樹剪枝算法的python實(shí)現(xiàn)方法詳解

    決策樹剪枝算法的python實(shí)現(xiàn)方法詳解

    這篇文章主要介紹了決策樹剪枝算法的python實(shí)現(xiàn)方法,結(jié)合實(shí)例形式較為詳細(xì)的分析了決策樹剪枝算法的概念、原理并結(jié)合實(shí)例形式分析了Python相關(guān)實(shí)現(xiàn)技巧,需要的朋友可以參考下
    2019-09-09

最新評(píng)論