Keras大法（4）——Dense方法详解

（一）keras.layers.Dense方法

在开始定义模型之前，我们有必要对Dense方法进行详细地了解，因为它是Keras定义网络层的基本方法，其代码如下：

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)

参数说明如下：

• units:
  该层有几个神经元

• activation:
  该层使用的激活函数

• use_bias:
  是否添加偏置项

• kernel_initializer:
  权重初始化方法

• bias_initializer:
  偏置值初始化方法

• kernel_regularizer:
  权重规范化函数

• bias_regularizer:
  偏置值规范化方法

• activity_regularizer:
  输出的规范化方法

• kernel_constraint:
  权重变化限制函数

• bias_constraint:
  偏置值变化限制函数

（二）使用示例

以下给出Dense方法的使用示例：

keras.layers.Dense(512, activation= 'sigmoid', input_dim= 2, use_bias= True)

这里定义了一个有512个节点，使用sigmoid激活函数的神经层，注意定义第一层的时候需要制定数据输入的形状，即input_dim，这样才能让数据正常喂进网络！

（三）总 结

在这一节中我们对Dense方法做了详细介绍，有任何的问题请在评论区留言，我会尽快回复，谢谢支持！