Keras学习笔记。

1. keras.layers.Dense

(Fully Connected Neural NetWork)，所实现的运算是output = activation(dot(input, kernel)+bias)

keras.layers.Dense(units, 　　　　　　　　　　　　　　// 该层的neuron的个数
　　　　　　　　   activation=None, 　　　　　　　　　// 该层的激活函数。如果不指定该参数，将不会使用任何激活函数（即使用线性激活函数：a(x)=x）
　　　　　　　　   use_bias=True, 　　　　　　　　　  // 是否添加偏置项
　　　　　　　　   kernel_initializer='glorot_uniform', 　  // 权重初始化方法
　　　　　　　 　  bias_initializer='zeros', 　　　　　　  // 偏置值初始化方法
　　　　　　 　　  kernel_regularizer=None, 　　　　    // 权重正则化方化
　　　　　　 　　  bias_regularizer=None, 　　　　　    // 偏置值正则化方法
　　　　　　 　　  activity_regularizer=None, 　　　　　// Output的正则化方法
　　　　　　　 　  kernel_constraint=None, 　　　　　   // 权重变化限制函数
　　　　　　　 　  bias_constraint=None)　　　　　　   // 偏置值变化限制函数

除了input layer须指定input_dim之外，所有hidden layer和ouput layer的input_dim默认都是上一层的output_dim。

在keras中，数据是以张量的形式表示的，张量的形状称之为shape，表示从最外层向量逐步到达最底层向量的降维解包过程。比如，一个一阶的张量[1,2,3]的shape是(3,);一个二阶的张量[[1,2,3],[4,5,6]]的shape是(2,3);一个三阶的张量[[[1],[2],[3]],[[4],[5],[6]]]的shape是(2,3,1)。

input_shape就是指输入张量的shape。例如，input_dim=784，说明输入是一个784维的向量，这相当于一个一阶的张量，它的shape就是(784,)。因此，input_shape=(784,)。

input_dim = input_shape(input_dim,)

input_dim, input_length = input_shape(input_length, input_dim)

REFERENCE：

https://blog.csdn.net/weixin_42499236/article/details/84624195

https://blog.csdn.net/gjq246/article/details/72638343/

https://blog.csdn.net/x_ym/article/details/77728732

https://www.cnblogs.com/yqtm/p/6924939.html