使用 Keras 使用 Python 进行深度学习的介绍部分

Question

问题指导：

1. 实例化一个顺序 model。
2. 添加一个由 50 个神经元组成的密集层，输入形状为 1 个神经元。
3. 添加两个密集层，每个层有 50 个神经元和“relu”激活。
4. 以具有单个神经元且无激活的 Dense 层结束 model。

下面是我的代码：

# Instantiate a Sequential model
model = Sequential()

# Add a Dense layer with 50 neurons and an input of 1 neuron
model.add(Dense(50, input_shape=(2,), activation='relu'))

# Add two Dense layers with 50 neurons and relu activation
model.add(Dense(____,____=____))
model.____

# End your model with a Dense layer and no activation
model.____

我对这部分感到困惑

model.add(Dense(____,____=____))

Answer 1

在model.add(Dense(___,___=___))中，您有三个空白。 第一个用于提及神经元的数量，第二个用于表示您想要设置一些activation值，第三个用于将该值设置为relu 。

所以你会得到model.add(Dense(50,activation='relu'))

更多信息可以在密集层文档中找到。

Answer 2

在文档中，Dense 层唯一需要的参数是units ，即神经元的数量。 默认激活 function 是None ，所以如果你希望它是"relu" ，请执行activation="relu" 。

总之，这是一段代码，它创建了一个具有 50 个神经元并激活为relu的 Dense 层：

model.add(Dense(50, activation="relu"))