找回密碼
 註冊
搜索
查看: 786|回復: 0

[教學] Sequential Dense 參數說明

[複製鏈接]
發表於 2021-1-14 18:31:24 | 顯示全部樓層 |閱讀模式
 
Push to Facebook
常常看到,但各個參數代表什麼卻不知道
以下說明
  1. 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

 
您需要登錄後才可以回帖 登錄 | 註冊

本版積分規則

Archiver|手機版|小黑屋|TShopping

GMT+8, 2025-7-6 06:43 , Processed in 0.022288 second(s), 19 queries .

Powered by Discuz! X3.5

© 2001-2025 Discuz! Team.

快速回復 返回頂部 返回列表