Ich bin ein wenig verwirrt über die Anzahl der Schichten, die in Keras-Modelle verwendet werden. Die Dokumentation ist in dieser Angelegenheit eher undurchsichtig.Keras Verwirrung über die Anzahl der Schichten
Laut Jason Brownlee besteht die erste Schicht technisch aus zwei Schichten, der Eingangsebene, spezifiziert durch input_dim
und einer versteckten Schicht. Siehe die ersten Fragen unter his blog. In der gesamten Keras-Dokumentation wird die erste Schicht allgemein als model.add(Dense(number_of_neurons, input_dim=number_of_cols_in_input, activtion=some_activation_function))
angegeben.
Die einfachste Modell würden wir machen könnte daher sein:
model = Sequential()
model.add(Dense(1, input_dim = 100, activation = None))
Ist dieses Modell aus einer einzigen Schicht bestehen, wobei 100 dimensionalen Eingang über einen einzigen Eingang Neuron übergeben wird, oder es aus zwei Schichten nicht bestehen , zuerst eine 100-dimensionale Eingabeschicht und zweitens eine 1-dimensionale versteckte Schicht?
Weiter, wenn ich ein Modell wie dieses angeben würde, wie viele Schichten hat es?
model = Sequential()
model.add(Dense(32, input_dim = 100, activation = 'sigmoid'))
model.add(Dense(1)))
Ist das ein Modell mit 1 Eingangsschicht, 1 versteckter Schicht und 1 Ausgangsschicht oder ist dies ein Modell mit 1 Eingangsschicht und 1 Ausgangsschicht?
Basierend auf der anderen Antwort bin ich nicht ganz sicher, dass Sie mit dem ersten Modell recht haben. Ich denke, es ist nur eine Eingabeschicht und eine einzige Ausgabeschicht ohne versteckte Ebenen. Ich denke, dass du mit dem zweiten Modell recht hast. –
Hi, tatsächlich habe ich es zu schnell geschrieben. Es besteht aus 1 Eingabeschicht (100 Neuronen) und einer Ausgabeschicht. (Bestehend aus 1 Neuron) Ich werde es bearbeiten –
Danke für die Klärung –