深度学习Keras框架笔记之Dense类，标准的一维全连接层

深度学习Keras框架笔记之Dense类(标准的一维全连接层)

例：

keras.layers.core.Dense(output_dim,init='glorot_uniform', activation='linear', weights=None  
W_regularizer=None, b_regularizer=None, activity_regularizer=None,  
W_constraint=None, b_constraint=None, input_dim=None)  

inputshape: 2维 tensor(nb_samples, input_dim)

outputshape: 2维 tensor(nb_samples, output_dim)

参数：

• output_dim: int >= 0，输出结果的维度
• init : 初始化权值的函数名称或Theano function。可以使用Keras内置的，也可以传递自己编写的Theano function。如果不给weights传递参数时，则该参数必须指明。
• activation : 激活函数名称或者Theano function。可以使用Keras内置的，也可以是传递自己编写的Theano function。如果不明确指定，那么将没有激活函数会被应用。
• weights :用于初始化权值的numpy arrays组成的list。这个List至少有1个元素，其shape为（input_dim, output_dim）。（如果指定init了，那么weights可以赋值None）
• W_regularizer:权值的规则化项，必须传入一个WeightRegularizer的实例（比如L1或L2规则化项。）
• b_regularizer:偏置值的规则化项，必须传入一个WeightRegularizer的实例（比如L1或L2规则化项）。
• activity_regularizer:网络输出的规则化项，必须传入一个ActivityRegularizer的实例。
• W_constraint:权值约束，必须传入一个constraints的实例。
• b_constraint:偏置约束，必须传入一个constraints的实例。
• input_dim:输入数据的维度。这个参数会在模型的第一层中用到。