Keras对层数的困惑答案

【问题标题】：Keras confusion about number of layersKeras对层数的困惑
【发布时间】：2018-01-01 21:18:27
【问题描述】：

我对 Keras 模型中使用的层数有点困惑。文档在这件事上相当不透明。

根据 Jason Brownlee 的说法，第一层在技术上由两层组成，输入层（由 input_dim 指定）和隐藏层。请参阅his blog 上的第一个问题。

在所有 Keras 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：

 model = Sequential()
 model.add(Dense(1, input_dim = 100, activation = None))

此模型是由单层组成，其中 100 维输入通过单个输入神经元传递，还是由两层组成，第一层是 100 维输入层，第二层是 1 维隐藏层？

此外，如果我要指定这样的模型，它有多少层？

model = Sequential()
model.add(Dense(32, input_dim = 100, activation = 'sigmoid'))
model.add(Dense(1)))

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，还是具有 1 个输入层和 1 个输出层的模型？

【问题讨论】：

【解决方案1】：

对于您的第一个问题，模型是：

1 个输入层和 1 个输出层。

第二个问题：

1 个输入层

1 个隐藏层

1 个激活层（Sigmoid 层）

1 个输出层

对于输入层，这是由 Keras 用 input_dim arg 或 input_shape 抽象出来的，但是您可以在以下位置找到该层：

from keras.layers import Input

激活层也是如此。

from keras.layers import Activation

【讨论】：

【解决方案2】：

你的第一个由 100 个神经元输入层组成，连接到一个输出神经元

您的第二个由 100 个神经元的输入层、一个 32 个神经元的隐藏层和一个单个神经元的输出层组成。

您必须将第一层视为输入层（神经元数量与维度相同，因此为 100 个）连接到具有您指定的神经元数量的另一层（第一种情况下为 1，32在第二个）

在 Keras 中有用的是命令

model.summary()

【讨论】：

击败我建议 model.summary ;) 这是一个救星，我强烈推荐给 OP。
在这里我们看到一个隐藏层。是否可以添加多个隐藏层？
@Advika 如果你还没有得到答案，但为了后代的缘故，我会被炸死：model.add(Dense(32, activation = 'sigmoid')) 会添加一个 32 个神经元的隐藏层，因为你正在使用 @987654325 @。添加图层的另一种方法是通过keras functional API