FC layer例子中, classifier=Sequential()的作用
您好, 想詢問D11的FC例子中,
在最前面加上classifier=Sequential()是為甚麼呢?
因為建完物件後, 後面沒有被使用
回答列表
-
2020/03/08 下午 11:20Eddie 賴俊杉贊同數:0不贊同數:0留言數:1
1. Keras常用來作深度學習,而要進行深度學習首先要先建構神經網路模型,Sequential()就是用來定義模型的開始。
如果想知道詳細的參數,可以參考下面的網址 https://keras.io/zh/models/sequential/
2.
##建造一個一層的FC層
classifier=Sequential()##輸入為28*28*1攤平==784
inputs = Input(shape=(784,))#輸入尺寸為28*28*1(底下略)
上面提到的classifier是指定一個flatten 層。
而FC是全連接層(Fully connected),因此需要inputs與outputs。
所以還是有用到Sequential()。(這是我的理解啦)
-
2020/03/09 下午 03:24胡連福贊同數:1不贊同數:0留言數:3
這裡有二種寫法,
你如果是採用 sequential API 的寫法,就需要先用 Sequential() 建立物件,再用 .add() 把 layer 加入模型。
classifier=Sequential()
classifier.add()
-
2020/03/10 下午 09:21Jeffrey贊同數:0不贊同數:0留言數:1
model = Sequential() #宣告模型架構, 採用sequential(), 後一層的輸入接上一層的輸出
model.add(Dense(32, input_dim=784))
model.add(Activation('relu'))
model = Model(inputs=inputs, outputs=predictions)#宣告模型架構, 採用Function call, 要指定 In/Out
兩種都是只要在開頭宣告就可以了, 告訴編譯器, 模型使用的方式