Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

tf.keras.layers.Dense

TensorFlow 1 wersja Zobacz źródło na GitHub

Wystarczy regularnego gęsto połączone warstwy NN.

Dziedziczy z: Layer

Stosowany w notebookach

Używany w przewodniku Używany w samouczków

Dense narzędzia operacja: output = activation(dot(input, kernel) + bias) w których activation jest funkcją aktywacji elementu mądry przekazywana jako activation argumentu kernel JeSt wagi Matrix utworzony przez warstwę i bias jest wektorem polaryzacji utworzone przez warstwę (zastosowanie tylko jeśli use_bias jest True ).

Poza tym, atrybuty warstwa nie może być modyfikowana po warstwa została nazwana raz (z wyjątkiem trainable atrybutu).

Przykład:

# 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 Dodatnia, trójwymiarowość przestrzeni wyjściowej.
activation Aktywacja funkcji do wykorzystania. Jeśli nic nie określił, brak aktywacji jest stosowana (czyli „liniowy” aktywacji. a(x) = x ).
use_bias Logiczną, czy warstwa wykorzystuje wektor polaryzacji.
kernel_initializer Inicjator na kernel matrycy wag.
bias_initializer Inicjator dla wektora polaryzacji.
kernel_regularizer Funkcja Regularizer stosowane do kernel matrycy wag.
bias_regularizer Funkcja Regularizer stosowane do wektora polaryzacji.
activity_regularizer Funkcja Regularizer stosowana do produkcji warstwy (ich „aktywacji”).
kernel_constraint Funkcja ograniczenie stosuje się do kernel matrycy wag.
bias_constraint Funkcja ograniczenia stosowane do wektora polaryzacji.

Kształt Wejście:

ND tensor z kształtu: (batch_size, ..., input_dim) . Najczęstszym sytuacja byłaby wejście 2D z kształtem (batch_size, input_dim) .

Wyjście kształt:

ND tensor z kształtu: (batch_size, ..., units) . Na przykład, do wprowadzania w kształcie 2D (batch_size, input_dim) , sygnał wyjściowy będzie miał postać (batch_size, units) .