[英]Why do I get 6 parameters in Keras in simple 2 output 2 input network?
我正在学习 keras 中的神经网络。 我在组合数据上指定了一个简单的 model。
model=tf.keras.models.Sequential()
model.add(tf.keras.layers.Dense(2, input_dim=2))
model.compile(optimizer='sgd', loss='mean_squared_error')
我有两个属性来预测两个值。
这是我初始化数据的地方:
x=[]
y=[]
for x1 in range (6):
x2=int(random.random()*10)
x.append([x1,x2])
y.append([2*x1+x2**2-2, x1*x2])
xs = np.array(x, dtype=float)
xs=xs.reshape(6,2)
ys = np.array(y, dtype=float)
ys=ys.reshape(6,2)
model.fit(xs, ys, epochs=500)
请注意,我仅将数据用于学习目的。 在我尝试观察 model 之后。 我运行model.summary()
和model.get_weights()
。
Model: "sequential"
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
dense (Dense) (None, 2) 6
=================================================================
Total params: 6
Trainable params: 6
Non-trainable params: 0
_________________________________________________________________
None
model weights [array([[0.5137405, 5.477211 ],
[8.750836 , 1.6910588]], dtype=float32), array([-5.701193, -7.874653], dtype=float32)]
我不明白为什么有 6 个参数和 6 个权重。 据我了解,每个输入应该有两个,或者我应该在某个地方专门定义 output 层?
您有一个带有两个神经元的 output 层,每个神经元必须有两个权重(因为输入的维度为 2)和另一个称为“偏差”的权重。 所以每个神经元有 3 个权重。
总之,你有 2 个神经元,每个神经元有 3 个权重或可训练参数,所以你的网络中总共有 6 个可训练参数。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.