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(guò)一個(gè)列表來(lái)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(qǐng)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
python實(shí)現(xiàn)兩個(gè)字典合并,兩個(gè)list合并
今天小編就為大家分享一篇python實(shí)現(xiàn)兩個(gè)字典合并,兩個(gè)list合并，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(guò)來(lái)看看吧2019-12-12
這篇文章主要為大家詳細(xì)介紹了Python偽隨機(jī)數(shù)模塊random，文中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，希望能夠給你帶來(lái)幫助2022-03-03
Python實(shí)現(xiàn)ATM系統(tǒng)
這篇文章主要為大家詳細(xì)介紹了Python實(shí)現(xiàn)ATM系統(tǒng)，文中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2020-02-02
今天小編就為大家分享一篇對(duì)Python中畫圖時(shí)候的線類型詳解，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(guò)來(lái)看看吧2019-07-07
Python3使用pywinauto如何檢測(cè)需要獲取程序元素
這篇文章主要為大家詳細(xì)介紹了Python3使用pywinauto如何檢測(cè)需要獲取程序元素,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以參考一下2025-02-02
Python 實(shí)現(xiàn) WebSocket 通信的過(guò)程詳解
WebSocket是一種在Web應(yīng)用程序中實(shí)現(xiàn)雙向通信的協(xié)議,與傳統(tǒng)的HTTP請(qǐng)求-響應(yīng)模型不同,WebSocket允許服務(wù)器主動(dòng)向客戶端推送數(shù)據(jù),實(shí)現(xiàn)實(shí)時(shí)性和互動(dòng)性,這篇文章主要介紹了Python 實(shí)現(xiàn) WebSocket 通信的過(guò)程詳解,需要的朋友可以參考下2024-06-06
python執(zhí)行精確的小數(shù)計(jì)算方法
今天小編就為大家分享一篇python執(zhí)行精確的小數(shù)計(jì)算方法，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(guò)來(lái)看看吧2019-01-01
Python正則表達(dá)式?r'(.*)?are?(.*?)?.*'的深入理解
日常的開發(fā)工作中經(jīng)常會(huì)有處理字符串的需求,簡(jiǎn)單的字符串處理，我們使用python內(nèi)置的字符串處理函數(shù)就可以了,但是復(fù)雜的字符串匹配就需要借助正則表達(dá)式了,這篇文章主要給大家介紹了關(guān)于Python正則表達(dá)式?r‘(.*)?are?(.*?)?.*‘的相關(guān)資料,需要的朋友可以參考下2022-07-07
這篇文章主要介紹了Django安裝配置mysql的方法步驟，小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2018-10-10
本篇文中主要介紹列表的基本的組成，怎么訪問(wèn)列表、列表的切片、列表的排序、列表的添加、列表的刪除等內(nèi)容，有需要的朋友可以借鑒參考下，希望能夠有所幫助2021-09-09