如何解决使用Python使用Keras进行深度学习的入门部分
问题说明:
- 实例化顺序模型。
- 添加50个神经元的密集层,输入形状为1个神经元。
- 添加两个分别由50个神经元组成的密集层,并激活“ relu”。
- 在具有单个神经元且没有激活的密集层结束模型。
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.____
我对此部分感到困惑
model.add(Dense(____,____=____))
解决方法
在model.add(Dense(___,___=___))
中,您有三个空格。第一个用于说明神经元的数量,第二个用于说明您要为activation
设置一些值,第三个用于说明将值设置为relu
。
因此您将获得model.add(Dense(50,activation='relu'))
更多信息可在Dense layer documentation中找到。
,在documentation中,密集层唯一需要的参数是units
,它是神经元的数量。默认激活功能为None
,因此,如果您希望它为"relu"
,请执行activation="relu"
。
最后,这是一段代码,它创建了一个包含50个神经元的密集层,并激活为relu
:
model.add(Dense(50,activation="relu"))
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。