- Dense层:全连接层
- Activatiion层:激活层,对一个层的输出施加激活函数
- Dropout层:为输入数据施加Dropout。Dropout将在训练过程中每次更新参数时按一定概率(rate)随机断开输入神经元,Dropout层用于防止过拟合
- Flatten层:Flatten层用来将输入“压平”,即把多维的输入一维化,常用在从卷积层到全连接层的过渡。Flatten不影响batch的大小
- Reshape层:Reshape层用来将输入shape转换为特定的shape
- Permute层:Permute层将输入的维度按照给定的模式进行重拍,例如,当需要将RNN和CNN网络连接时,可能需要该层。
- RepeatVector层:RepeatVector层将输入重复n次
- Lambda层:用以对上一层的输出施加任何Theano/TensorFlow表达式
- ActivityRegularizer层:经过该层的数据不会有任何变化,但会基于激活值更新损失函数值
- Masking层:使用给定的值对输入序列信号进行屏蔽,用以定位需要跳过的时间步
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:Keras常用层 - Python技术站