Keras 3 API 文档 / 层 API / 核心层 / 密集层

密集层

[source]

Dense

keras.layers.Dense(
    units,
    activation=None,
    use_bias=True,
    kernel_initializer="glorot_uniform",
    bias_initializer="zeros",
    kernel_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    kernel_constraint=None,
    bias_constraint=None,
    lora_rank=None,
    **kwargs
)

只是您常用的密集连接 NN 层。

Dense 实现以下操作:output = activation(dot(input, kernel) + bias),其中 activation 是作为 activation 参数传递的逐元素激活函数,kernel 是层创建的权重矩阵,bias 是层创建的偏置向量(仅当 use_biasTrue 时适用)。

注意:如果层的输入秩大于 2,则 Dense 计算 inputskernel 之间沿着 inputs 的最后一个轴和 kernel 的轴 0 的点积(使用 tf.tensordot)。例如,如果输入维度为 (batch_size, d0, d1),那么我们创建一个形状为 (d1, units)kernel,并且 kernel 沿着 input 的轴 2 操作,在每个形状为 (1, 1, d1) 的子张量上(有 batch_size * d0 个此类子张量)。在这种情况下,输出将具有形状 (batch_size, d0, units)

参数

  • units:正整数,输出空间的维度。
  • activation:要使用的激活函数。如果您未指定任何内容,则不应用激活(即“线性”激活:a(x) = x)。
  • use_bias:布尔值,指示该层是否使用偏置向量。
  • kernel_initializerkernel 权重矩阵的初始化器。
  • bias_initializer:偏置向量的初始化器。
  • kernel_regularizer:应用于 kernel 权重矩阵的正则化函数。
  • bias_regularizer:应用于偏置向量的正则化函数。
  • activity_regularizer:应用于层输出(其“激活”)的正则化函数。
  • kernel_constraint:应用于 kernel 权重矩阵的约束函数。
  • bias_constraint:应用于偏置向量的约束函数。
  • lora_rank:可选整数。如果设置,则该层的前向传递将使用提供的秩实现 LoRA(低秩自适应)。LoRA 将层的 kernel 设置为不可训练,并将其替换为原始 kernel 上的增量,该增量通过乘以两个较低秩的可训练矩阵获得。这对于降低微调大型密集层的计算成本非常有用。您还可以通过调用 layer.enable_lora(rank) 在现有 Dense 层上启用 LoRA。

输入形状

N 维张量,形状:(batch_size, ..., input_dim)。最常见的情况是形状为 (batch_size, input_dim) 的 2D 输入。

输出形状

N 维张量,形状:(batch_size, ..., units)。例如,对于形状为 (batch_size, input_dim) 的 2D 输入,输出将具有形状 (batch_size, units)