Python tf.keras.layers.Dense用法及代码示例

只是你的常规densely-connected NN 层。

继承自：Layer，Module

用法

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
)

Dense 实现操作：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 是层创建的权重矩阵，bias 是创建的偏置向量按层(仅当 use_bias 为 True 时适用)。这些都是 Dense 的所有属性。

注意：如果层的输入的秩大于 2，则 Dense 沿 inputs 的最后一个轴和 kernel 的轴 0 计算 inputs 和 kernel 之间的点积(使用tf.tensordot)。例如，如果输入的维度为 (batch_size, d0, d1) ，那么我们创建一个形状为 (d1, units) 的 kernel ，并且 kernel 沿 input 的轴 2 运行，在每个形状为 (1, 1, d1) 的 sub-tensor 上(有batch_size * d0 这样的sub-tensors)。在这种情况下，输出将具有形状 (batch_size, d0, units) 。

此外，图层调用一次后，图层属性不能修改(trainable属性除外)。当传递一个流行的 kwarg input_shape 时，keras 将创建一个输入层以插入到当前层之前。这可以等同于显式定义 InputLayer 。

例子：

# 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)

输入形状：

N-D 具有形状的张量：(batch_size, ..., input_dim)。最常见的情况是形状为 (batch_size, input_dim) 的 2D 输入。

输出形状：

N-D 具有形状的张量：(batch_size, ..., units)。例如，对于形状为 (batch_size, input_dim) 的 2D 输入，输出的形状为 (batch_size, units) 。