在 Francois Chollet 的“Deep Learning with Python”一书中,我发现了一段代码,输入形状为 784,单位为 32?
我想知道它们有什么不同。
这是确切的代码段:
from keras import layers
from keras import models
model = models.Sequential()
model.add(layers.Dense(32, input_shape = 784))
model.add(layers.Dense(32))
答案 0 :(得分:1)
Input_shape 是 Dense 层输入的形状。单位 - 是密集层输出的形状。基本上 - 它们是权重矩阵的两个不同维度。
答案 1 :(得分:0)
虽然不能在Dense
层动态设置输入形状,因为权重维度会受到输入神经元数的影响,Conv2D
层可以有一个输入形状,例如{{1} }.这是可能的,因为卷积层的参数是固定大小的内核,不受输入形状的影响。这就是我们如何将预训练的 imagenet 模型用于各种图像尺寸的计算机视觉任务。