[英]Why do I get 6 parameters in Keras in simple 2 output 2 input network?
我正在學習 keras 中的神經網絡。 我在組合數據上指定了一個簡單的 model。
model=tf.keras.models.Sequential()
model.add(tf.keras.layers.Dense(2, input_dim=2))
model.compile(optimizer='sgd', loss='mean_squared_error')
我有兩個屬性來預測兩個值。
這是我初始化數據的地方:
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)
請注意,我僅將數據用於學習目的。 在我嘗試觀察 model 之后。 我運行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)]
我不明白為什么有 6 個參數和 6 個權重。 據我了解,每個輸入應該有兩個,或者我應該在某個地方專門定義 output 層?
您有一個帶有兩個神經元的 output 層,每個神經元必須有兩個權重(因為輸入的維度為 2)和另一個稱為“偏差”的權重。 所以每個神經元有 3 個權重。
總之,你有 2 個神經元,每個神經元有 3 個權重或可訓練參數,所以你的網絡中總共有 6 個可訓練參數。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.