这就是Keras(三)Dense层

最新推荐文章于 2025-06-04 09:44:57 发布

lvkx

最新推荐文章于 2025-06-04 09:44:57 发布

阅读量2.5k

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.csdn.net/qq_42146047/article/details/108416028

本文深入探讨了Keras中的Dense层，它等同于全连接层。Dense层通过激活函数进行逐元素运算，权重由权值矩阵和偏置向量构成。当输入数据超过二维时，会先将其转换为适合运算的形状。文中提供了一个使用示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Dense层

keras.layers.core.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)

Dense就是常用的全连接层，所实现的运算是output = activation(dot(input, kernel)+bias)。其中activation是逐元素计算的激活函数，kernel是本层的权值矩阵，bias为偏置向量，只有当use_bias=True才会添加。

如果本层的输入数据的维度大于2，则会先被压为与kernel相匹配的大小。

这里是一个使用示例：

# as first layer in a sequential model:
# as first layer in a sequential model:
model = Sequential()
model.add(Dense(32, input_shape=(16,)))
# now the model will take as input arrays of shape (*, 16)
# and output arrays of shape (*, 32)

# after the first layer, you don't need to specify
# the size of the input anymore:
model.add(Dense(32))