Dense层

原创已于 2022-06-18 21:33:44 修改 · 2.2w 阅读

114 ·

CC 4.0 BY-SA版权

文章标签：

#keras #深度学习 #神经网络

于 2022-03-04 17:13:02 首次发布

Python内置函数专栏收录该内容

23 篇文章

订阅专栏

Dense层是Keras中构建神经网络的基本组件，用于添加全连接层。其主要参数包括输出神经元数量、激活函数、是否使用偏置等。输入_dim_指定输入数据的维度，例如input_dim=2表示输入是(*, 2)数组。当作为输入层时，Dense层不处理输入数据，直接传递给下一层。输出公式为Out=Activation(Input·Kernel)+Bias，参数计算为(上一层神经元数量) x (本层神经元数量) + (本层神经元数量)。例如，model.add(Dense(10, input_dim=5))创建了一个含有60个参数的层。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1 常见参数

model.add(Dense(units, #输出的大小（神经元个数）
                activation=None, #激活函数
                use_bias=True, #是否添加偏置
                kernel_initializer='glorot_uniform', #权重矩阵初始化
                bias_initializer='zeros', #偏置初始化
                kernel_regularizer=None, #权重矩阵的正则函数
                bias_regularizer=None,) #偏置的的正则函数
          )

注意，当Dence层作为输入层时需要添加一个参数 input_dim。

input_dim：代表输入数据的维度。

2 作用

Dense层可在model中添加神经网络层，model.add(Dense())。

下图（从网上找的图）的黑圆圈为神经元，输入层的神经元会将输入数据直接传递给下一层，在下一层的神经元中对输入值进行处理。因此用Dense层作为输入层时，同时增加了输入层和隐藏层。

由上图可以，在输入层没有对输入数据进行处理，输入层神经元节点会将输入数据直接传递给下一层（隐层或输出层）。

3 举例

model.add(Dense(512, activation= 'sigmoid', input_dim=2))

input_dim= 2：输入是（*，2）的数组；

units=512：输出是（*，512）的数组；

由于Dense层的输出公式为：Out=Activation( Input·Kernel )+Bias，该Dense层的输入Input是（*，2），输出Out是（*，512），因此Bias和Kernel是（2，512）的向量。

注意：当input的秩小于等于2时，那么它直接与权重矩阵进行点乘；当input的秩大于2时，它首先被展平flatten，再计算与权重矩阵的点乘。

4 Dense层参数计算

由于Dense层的输出公式为：Out=Activation( Input·Kernel )+Bias，因此Dense层参数计算公式为：Param = (上一层神经元数量）x （本层的神经元数量） + （本层的神经元数量）。其中，(上一层神经元数量）x （本层的神经元数量）代表的是 $input\cdot kernel$ 的参数个数，加上的本层的神经元数量代表的是 $bias$ 的参数。

from keras.layers import Dense
from keras.models import Sequential
model=Sequential()
model.add(Dense(10,input_dim=5))
model.summary()

即Param=(5+1)×10=60。