此页面由 Cloud Translation API 翻译。
Switch to English

tf.keras.layers.Dense

TensorFlow 1版本 在GitHub上查看源代码

只是您的常规密集连接的NN层。

继承自: Layer

用于笔记本

在指南中使用在教程中使用

Dense执行以下操作: output = activation(dot(input, kernel) + bias)其中, activation是作为activation参数传递的逐元素激活函数, kernel是该层创建的权重矩阵, bias是创建的偏置向量按层(仅在use_biasTrue适用)。

此外,图层属性被调用一次后就无法修改( trainable属性除外)。

例:

# Create a `Sequential` model and add a Dense layer as the first layer.
model = tf.keras.models.Sequential()
model.add(tf.keras.Input(shape=(16,)))
model.add(tf.keras.layers.Dense(32, activation='relu'))
# Now the model will take as input arrays of shape (None, 16)
# and output arrays of shape (None, 32).
# Note that after the first layer, you don't need to specify
# the size of the input anymore:
model.add(tf.keras.layers.Dense(32))
model.output_shape
(None, 32)

units 正整数,输出空间的维数。
activation 要使用的激活功能。如果您未指定任何内容,则不应用任何激活(即“线性”激活: a(x) = x )。
use_bias 布尔值,层是否使用偏差矢量。
kernel_initializer kernel权重矩阵的初始化kernel
bias_initializer 偏差向量的初始化程序。
kernel_regularizer 正则化函数应用于kernel权重矩阵。
bias_regularizer 正则化函数应用于偏差向量。
activity_regularizer 正则化功能应用于图层的输出(其“激活”)。
kernel_constraint 约束函数应用于kernel权重矩阵。
bias_constraint 将约束函数应用于偏差向量。

输入形状:

形状为(batch_size, ..., input_dim) ND张量。最常见的情况是形状为(batch_size, input_dim)的2D输入。

输出形状:

形状为(batch_size, ..., units) ND张量。例如,对于形状为(batch_size, input_dim)的2D输入,输出将具有形状(batch_size, units)