对于第一个问题,模型是:
1个输入层和1个输出层。
对于第二个问题:
1个输入层
1个隐藏层
1个激活层(乙状结肠)
1个输出层
对于输入层,这是Keras使用input_dim arg或input_shape进行抽象的,但是您可以在以下位置找到该层:
from keras.layers import Input
激活层相同。
from keras.layers import Activation
0
对于第一个问题,模型是:
1个输入层和1个输出层。
对于第二个问题:
1个输入层
1个隐藏层
1个激活层(乙状结肠)
1个输出层
对于输入层,这是Keras使用input_dim arg或input_shape进行抽象的,但是您可以在以下位置找到该层:
from keras.layers import Input
激活层相同。
from keras.layers import Activation
0
您的第一个神经元由连接到一个输出神经元的100个神经元输入层组成
您的第二个神经元由一个100个神经元输入层,一个32个神经元的隐藏层和一个单一神经元的一个输出层组成。
您必须将第一层视为输入层(神经元的数量与维数相同,所以100个)连接到具有指定数量的神经元的另一层(第一种情况下为1,第二种情况下为32)一)
在Keras中,有用的命令是
model.summary()
0
我对Keras模型中使用的层数感到困惑。该文件在这个问题上相当模糊。
根据Jason Brownlee的说法,从技术上讲,第一层包括两层,即由
input_dim
指定的输入层和隐藏层。请参阅他的博客中的第一个问题。在所有
model.add(Dense(number_of_neurons, input_dim=number_of_cols_in_input, activtion=some_activation_function))
文档中,第一层通常指定为model.add(Dense(number_of_neurons, input_dim=number_of_cols_in_input, activtion=some_activation_function))
。因此,我们可以制作的最基本的模型是:
该模型是由一个单层(其中100维输入通过单个输入神经元传递)组成还是由两层组成,第一层是100维输入层,第二层是一维隐藏层?
此外,如果我要指定这样的模型,它有多少层?
这是一个具有1个输入层,1个隐藏层和1个输出层的模型,还是一个具有1个输入层和1个输出层的模型?