脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → TensorFlow2全连接层

一小时学会TensorFlow2之全连接层

 更新时间：2021年09月08日 11:19:39   作者：我是小白呀  
这篇文章主要介绍了TensorFlow2之全连接层，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下

概述

全链接层 (Fully Connected Layer) 会把一个特质空间线性变换到另一个特质空间, 在整个网络中起到分类器的作用.

在这里插入图片描述

keras.layers.Dense

keras.layers.Dense可以帮助我们实现全连接.

在这里插入图片描述

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
)

参数 介绍
units 正整数, 输出空间维度
activation 激活函数, 若不指定, 则不适用激活函数
use_bias 布尔值, 该层是否使用偏置向量
kernel_initializer kernel权值矩阵的初始化器
bias_initializer 偏执向量的初始化器
kernel_regulaizer 运用到偏执项的正则化函数
bias_regularizer 运用到偏执项的的正则化函数
activity_regulatizer 运用到层的输出正则化函数
kernel_constrint 运用到kernel权值矩阵的约束函数
bias_constraint 运用到偏执向量的约束函数

例子:

# 创建正态分布
x = tf.random.normal([256, 784])

# 创建全连接层, 输出为512
net = tf.keras.layers.Dense(512)
out = net(x)

# 调试输出
print("w:", net.kernel.shape)
print("b:", net.bias.shape)

输出结果:

w: (784, 512)
b: (512,)

keras.Squential

Squential (序列模型) 是各层次之间依次顺序的线性关系. 模型结构通过一个列表来制定.

在这里插入图片描述

格式:

tf.keras.Sequential(
    layers=None, name=None
)

参数:

  • layers: 添加的层
  • name: 数据名称

例子:

# 创建正态分布
x = tf.random.normal([256, 784])

# 建立网络模型
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"),
])

# 传入x
model(x)

# 调试输出权重和偏置顶名字和形状
for p in model.trainable_variables:
    print(p.name, p.shape)

输出结果:

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,)

到此这篇关于一小时学会TensorFlow2之全连接层的文章就介绍到这了,更多相关TensorFlow2全连接层内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • 浅谈Keras中shuffle和validation_split的顺序

    浅谈Keras中shuffle和validation_split的顺序

    这篇文章主要介绍了浅谈Keras中shuffle和validation_split的顺序，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2020-06-06
  • Python包中__init__.py文件的作用与用法实例详解

    Python包中__init__.py文件的作用与用法实例详解

    我们新建python包时常常会看到一个__init _.py文件,下面这篇文章主要给大家介绍了关于Python包中__init__.py文件的作用与用法的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下
    2022-06-06
  • python中的路径拼接问题

    python中的路径拼接问题

    这篇文章主要介绍了python中的路径拼接问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
    2023-03-03
  • python实现web邮箱扫描的示例(附源码)

    python实现web邮箱扫描的示例(附源码)

    这篇文章主要介绍了python实现web邮箱扫描的示例(附源码)，帮助大家更好的理解和学习使用python，感兴趣的朋友可以了解下
    2021-03-03
  • 简单了解python的一些位运算技巧

    简单了解python的一些位运算技巧

    这篇文章主要介绍了简单了解python的一些位运算技巧，位运算的性能大家想必是清楚的，效率绝对高。相信爱好源码的同学，在学习阅读源码的过程中会发现不少源码使用了位运算,需要的朋友可以参考下
    2019-07-07
  • python 如何在 Matplotlib 中绘制垂直线

    python 如何在 Matplotlib 中绘制垂直线

    这篇文章主要介绍了python 如何在 Matplotlib 中绘制垂直线，帮助大家更好的理解和学习使用python，感兴趣的朋友可以了解下
    2021-04-04
  • Python数据分析之pandas读取数据

    Python数据分析之pandas读取数据

    Pandas读取的文件主要有CSV,TXT和JSON,今天就整理了这3种文件格式的读取和导出代码,文中有非常详细的代码示例及介绍,需要的朋友可以参考下
    2021-06-06
  • python 调用有道api接口的方法

    python 调用有道api接口的方法

    今天小编就为大家分享一篇python 调用有道api接口的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2019-01-01
  • python3中dict.keys().sort()用不了的解决方法

    python3中dict.keys().sort()用不了的解决方法

    本文主要介绍了python3中dict.keys().sort()用不了的解决方法，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2021-12-12
  • 决策树剪枝算法的python实现方法详解

    决策树剪枝算法的python实现方法详解

    这篇文章主要介绍了决策树剪枝算法的python实现方法,结合实例形式较为详细的分析了决策树剪枝算法的概念、原理并结合实例形式分析了Python相关实现技巧,需要的朋友可以参考下
    2019-09-09

最新评论