FC layer例子中, classifier=Sequential()的作用 - Cupoy

2020/03/08 下午 09:09

電腦視覺深度學習討論版

周彥仰

觀看數：16

回答數：3

收藏數：1

cvdl-2

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 11:20
  Eddie 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 09:21
  Jeffrey
  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