一小時(shí)學(xué)會(huì)TensorFlow2之全連接層
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.
keras.layers.Dense
keras.layers.Dense
可以幫助我們實(shí)現(xiàn)全連接.
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.
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
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2020-06-06Python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2022-06-06python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2021-03-03Python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2021-06-06python3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
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