Keras搭建神经网络-网络结构

Keras神经网络中层对象的一些常见属性：

layer.get_weights():用于返回层的权重

layer.set_weights(weights):用于从Numpy array中将权重加载到该层中，要求Numpy array的形状与layer.get_weights()返回的形状相同

layer.get_config():用于返回当前层配置信息的字典，层也可以由配置信息重构

对于只有一个计算节点的层来说，还由：
layer.input
layer.output
layer.input_shape
layer.output_shape

常用层

Dense
是常见的全连接层，原型如下：

keras.layers.core.Dense（units,activation=None,use_bias=True,kernel_initializer=‘glorot_uniform’,bias_initialize=‘zeros’,kernel_regularizer=None,bias_regularizer=None,activity_regularize=None,kernal_constraint=None,bias_constraint=None）

units:大于0的整数，表示该层的输出维度
activation:激活函数，如果不指定该参数，则相当于使用线性激活函数

Activation
激活层，用来对一个层的输出激活函数，原型如下

keras.layers.core.Activation（activation）

Dropout
为输入数据施加Dropout，该层能够在训练过程中每次更新参数时，随机断开一定百分比（rate）的输入神经元，用于防止过拟合。原型如下：

keras.layers.core.Dropout（rate，noise_shape=None.seed=None）

rate:0~1的浮点数，用于控制需要断开的神经元比例
noise_shape:整数张量，为将要应用在输入上的二值Dropout mask的shape。
seed：整数，使用的随机数种子

Flatten
用来将输入"压平",即把多维的输入一维化，常用在从卷积层到全连接层的过渡，Flatten不影响batch的大小。原型如下：

keras.layers.core.Flatten（）

Conv1D
一维卷积层，用于在一维输入信号上进行邻域滤波。原型如下：

keras.layers.convolutional.Conv1D（filiters,kernel_size,strides=1,padding=‘valid’,dilation_rate=1,activation=None,use_bias=True,kernal_initializer=‘glorot_uniform’,bias_initializer=‘zeros’,kernel_regularizer=None,bias_regularizer=None,activity_regularizer=None,kernel_constraint=NOne,bias_constraint=None）

filiter：卷积核的数目，也决定了输出的维度
kernel_size:整数或由单个整数构成的list/tuple，卷积核的空域或时域窗长度
strides:整数或由单个整数构成的list/tuple，为卷积的步长。任何不为1的strides均与任何不为1的dilation_rata均不兼容。
padding:补0策略，为[valid]、[same]或[causal]。

Conv2D
二维卷积层，即对图像的空域卷积。该层对二维输入进行滑动窗卷积。原型如下：

keras.layers.convolutional.Conv2D（filiters,kernel_size,strides=（1,1）,padding=‘valid’,dilation_rate=（1,1）,activation=None,use_bias=True,kernal_initializer=‘glorot_uniform’,bias_initializer=‘zeros’,kernel_regularizer=None,bias_regularizer=None,activity_regularizer=None,kernel_constraint=NOne,bias_constraint=None）

Conv3D
三为卷积对三维的输入进行滑动窗卷积。原型如下：

keras.layers.convolutional.Conv3D（filiters,kernel_size,strides=（1,1,1).padding=‘valid’,dilation_rate=（1,1,1）,activation=None,use_bias=True,kernal_initializer=‘glorot_uniform’,bias_initializer=‘zeros’,kernel_regularizer=None,bias_regularizer=None,activity_regularizer=None,kernel_constraint=NOne,bias_constraint=None）

MaxPooling1D
对时域1D信号进行最大值池化。原型如下：

keras.layers.pooling.MaxPooling1D（pool_size=2,strides=None,padding=‘valid’）

pool_size:整数，表示池化窗口大小

strides：整数或None，下采样因子。

padding:[valid]或[same]

MaxPooling2D
为空域信号进行最大值池化。原型如下：

keras.layers.pooling.MaxPooling2D（pool_size=（2,2）,strides=None,padding=‘valid’,data_format=None）

pool_size：整数或长为2的整数tuple，代表在两个方向（竖直，水平）上的下采样因子，如取（2,2）将使图片在两个维度上均变为原长的一半。该值为整数，表示各个维度值相同且为该数字。

strides：整数或长为2的整数tuple，或者None，步长值。

MaxPooling3D
为3D信号（空域或时空域）施加最大值池化。

keras.layers.pooling.MaxPooling3D（pool_size=（2,2,2）,strides=None,padding=‘valid’,data_format=None）

需要注意的是，该层只能在使用Theano为后端时可用。

pool_size：整数或长为3的整数tuple，代表在三个维度（竖直，水平）上的下采样因子，如取（2,2,2）将使图片在每个维度上均变为原长的一半。改值为整数，表示各个维度值相同且为该数字。

strides：整数或长为3的整数tuple，或者None，步长值。