Question

我对Keras模型中使用的图层数量感到有些困惑。文件在这个问题上相当不透明。

根据Jason Brownlee的说法，第一层技术上由两层组成，输入层由input_dim指定，隐藏层。请参阅his blog上的第一个问题。

在所有Keras文档中，第一层通常被指定为 model.add(Dense(number_of_neurons, input_dim=number_of_cols_in_input, activtion=some_activation_function))。

因此，我们可以做出的最基本的模式是：

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

此模型是否由单个图层组成，其中100维输入通过单个输入神经元传递，或者它是否由两个图层组成，首先是100维输入图层，第二个是1维隐藏图层？

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)))

这是一个带有1个输入层，1个隐藏层和1个输出层的模型，还是一个带有1个输入层和1个输出层的模型？

Answer 1

你的第一个由连接到一个输出神经元的100个神经元输入层组成

你的第二个由100个神经元输入层，一个32个神经元的隐藏层和一个神经元的一个输出层组成。

您必须将第一层视为输入层（与尺寸具有相同数量的神经元，因此100为您）连接到具有您指定的神经元数量的另一层（在第一种情况下为1，32在第二个）

在Keras，有用的是命令

model.summary()

Answer 2

对于您的第一个问题，该模型是：

1个输入层和1个输出层。

关于第二个问题：

1个输入图层

1个隐藏层

1个激活层（sigmoid）

1个输出层

对于输入图层，这是由Keras使用input_dim arg或input_shape抽象的，但您可以在以下位置找到此图层：

from keras.layers import Input

激活层相同。

from keras.layers import Activation