【2】Keras之激活函数

喜欢看官宣的，直接去这里：https://keras.io/activations/

本文内核也是来自这个地方。

Keras中如何使用激活函数

有两种使用方式：

Activation层
其它层的activation参数

通过添加激活层使用：

from keras.layers import Activation, Dense
model.add(Dense(64))
model.add(Activation('tanh'))

另一种，通过参数使用：

from keras.layers import Activation, Dense
model.add(Dense(64,activation='tanh'))

个人倾向于用第二种，但是把激活函数层单独拿出来也是可行的，各有所爱吧。

此外，我们还可以将后端，比如Tensorflow，Theano等提供的激活函数拿过来当作参数：

from keras import backend as K
model.add(Dense(64, activation=K.tanh))

效果也是一样的，但是并不常见，作为记录，随时启用即可。

常见的激活函数选项

有哪些激活函数可用呢？列个清单：

softmax
elu
selu
softplus
softsign
relu
tanh
sigmoid
hard_sigmoid
exponential
linear
…

这些具体的用法本文不打算多说，只是列个名字就结束，具体到案例时，我们再详细研究。

END.

【2】Keras之激活函数相关推荐

如何使用Keras和TensorFlow建立深度学习模型以预测员工留任率
The author selected Girls Who Code to receive a donation as part of the Write for DOnations program. ...
python人脸识别从入门到工程pdf_Python人脸识别：从入门到工程实践
前言第1章人脸识别入门1 1.1 人脸识别概况1 1.1.1 何为人脸识别1 1.1.2 人脸识别的应用2 1.1.3 人脸识别的目标4 1.1.4 人脸识别的一般方法5 1.2 人脸识别发展状况 ...
keras扁平化激活函数避免过拟合技巧
keras扁平化 https://keras.io/api/layers/core_layers/lambda/ 了解激活函数 https://cs231n.github.io/neural-netw ...
深度学习-Tensorflow2.2-深度学习基础和tf.keras{1}-多层感知器（神经网络）与激活函数概述-04
多层感知器计算输入特征得加权和,然后使用一个函数激活(或传递函数)计算输出. 单个神经元多个神经元单层神经元缺陷多层感知器多层感知器激活函数 relu:曲线如下图,假如过来的函数是x当x小 ...
Keras深度学习实战（4）——深度学习中常用激活函数和损失函数详解
Keras深度学习实战(4)--深度学习中常用激活函数和损失函数详解常用激活函数 Sigmoid 激活函数 Tanh 激活函数 ReLU 激活函数线性激活函数 Softmax 激活函数损失函数 ...
SELU︱在keras、tensorflow中使用SELU激活函数
arXiv 上公开的一篇 NIPS 投稿论文<Self-Normalizing Neural Networks>引起了圈内极大的关注,它提出了缩放指数型线性单元(SELU)而引进了自归一化 ...
Keras中使用如Leaky ReLU等高级激活函数的方法
在用Keras来实现CNN等一系列网络时,我们经常用ReLU作为激活函数,一般写法如下: from keras import layers from keras import modelsmodel ...
Keras使用Leaky_Relu等高级激活函数
在Keras中,Leaky_Relu等高级激活函数需要通过额外增加层来使用,而不能像RELU之类的激活函数可以作为参数初始化全连接层. 具体用法如下: from keras.layers import ...
tf.keras.activations.sigmoid 激活函数示例
import tensorflow as tf Sigmoid 等价于 2 元素 Softmax,其中第二个元素假定为零.sigmoid 函数始终返回一个介于 0 和 1 之间的值.‎, 用于隐层神经 ...

【2】Keras之激活函数

Keras中如何使用激活函数

常见的激活函数选项

【2】Keras之激活函数相关推荐

最新文章

热门文章