|
常常看到,但各個參數代表什麼卻不知道
以下說明
- model.add(Dense(units=256, input_dim=784, kernel_initializer='normal', activation='relu'))
複製代碼
units:輸出矩陣的維數,愈大表示分類更細,擬合度愈高,雖然準確率提高,但也要
防止過度擬合(Overfit)
activation:使用的 Activation function,若未設定,即簡化為 y=x * W+b
use_bias:是否使用偏差項(Bias),若未設定或為 False,即簡化為 y=g(x * W)
kernel_initializer:權重(W)的初始值,參見前面說明
bias_initializer:偏差項(Bias)的初始值,參見前面說明
kernel_regularizer:權重(W)正規化(或稱正則項)函數,作用是對權重矩陣加上
懲罰性函數(Penalty),以防止過度擬合(overfit),參見 regularizer
bias_regularizer:偏差項(Bias)的正規化函數
activity_regularizer:輸出(y)的正規化函數
kernel_constraint:針對權重(W)加上限制條件,參見 constraints
bias_constraint:針對偏差項(Bias)加上限制條件,參見 constraints
|
|