tf.keras.layers.Dense 全连接层

最新推荐文章于 2026-04-22 09:25:23 发布

原创最新推荐文章于 2026-04-22 09:25:23 发布 · 2.2w 阅读

18 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

tensorflow实战

当前文章被收录于：

tensorflow实战

42 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

本文深入探讨了全连接层在神经网络中的作用，包括其输出维度、激活函数、偏置项、权重矩阵初始化及偏置向量初始化。阐述了全连接层如何执行线性变换加激活函数计算，以及在不指定激活函数时，它等同于线性变换。此外，还强调了全连接层在模型构建中的重要地位。

self.dense = tf.keras.layers.Dense(units=1, kernel_initializer=tf.zeros_initializer(),
bias_initializer=tf.zeros_initializer())

units: Positive integer, dimensionality of the output space.
activation: Activation function to use. If you don’t specify anything, no activation is applied (ie. “linear” activation: a(x) = x).
use_bias: Boolean, whether the layer uses a bias vector.
kernel_initializer: Initializer for the kernel weights matrix.
bias_initializer: Initializer for the bias vector.

这个全连接层封装了output = activation(tf.matmul(input, kernel) + bias)
这一线性变换+激活函数的计算操作，以及 kernel 和 bias 两个变量。当不指定激活函数时（即 activation(x) = x ），这个全连接
层就等价于我们上述的线性变换。
值得一提的是，全连接层可能是我们编写模型时使用最频繁的层。