keras中文文档 keras( 六 )

data_format：数据格式，取值为channels_last或者channels_first 。这个选项决定了数据维
度次序，其中channels_last对应的数据维度次序是（批量数，高，宽，频道数），而channels_first对应的数据维度次序为（批量数，频道数，高，宽）。
activation：激活函数，为预定义或者自定义的激活函数名
dilation_rate：该选项指定扩张卷积（DilatedConvolution）中的扩张比例。要求为整数或由单个整数构成的列表/元组，如果dilation_rate不为1，则步长一项必须设为1 。
use_bias：指定是否使用偏置项，取值为True或者False 。
kernel_initializer：权重初始化方法，为预定义初始化方法名的字符串，或用于初始化权重的函数.
bias_initializer：偏置初始化方法，为预定义初始化方法名的字符串，或用于初始化偏置的函数。
kernel_regularizer：施加在权重上的正则项.
bias_regularizer：施加在偏置项上的正则项.
activity_regularizer：施加在输出上的正则项.
kernel_constraints：施加在权重上的约束项
bias_constraints：施加在偏置项上的约束项
池化层
池化（Pooling）是在卷积神经网络中对图像特征的一种处理，通常在卷积操作之后进行。池
化的目的是为了计算特征在局部的充分统计量，从而降低总体的特征数量，防止过度拟合和减少
计算量。举例说明：假设有一个128×128的图像，以8×8的网格做卷积，那么一个卷积操作一
共可以得到（128-8+1） 2个维度的输出向量，如果有70个不同的特征进行卷积操作，那么总体的
特征数量可以达到70×（128-8+1） 2=1024870个。用100万个特征做机器学习，除非数据量极大，否则很容易发生过度拟合。
循环层
循环层（Recurrent Layer）用来构造跟序列有关的神经网络。但是其本身是一个抽象类，无法
实例化对象，在使用时应该使用LSTM，GRU和SimpleRNN三个子类来构造网络层。
嵌入层
嵌入层（Embedding Layer）是使用在模型第一层的一个网络层，其目的是将所有索引标号映射到致密的低维向量中.通常用在对文本数据进行建模的时候。
合并层
合并层是指将多个网络产生的张量通过一定方法合并在一起，合并层支持不同的合并方法，包括：
元素相加（merge.Add）、元素相乘
（merge.Multiply）、元素取平均
（merge.Average）、元素取最大
（merge.Maximum）、叠加
（merge.Concatenate）、矩阵相乘
【keras中文文档 keras】（merge.Dot）。

keras中文文档 keras( 六 )

秒懂生活扩展阅读