मैं केरा मॉडल में उपयोग की जाने वाली परतों की संख्या के बारे में थोड़ा उलझन में हूं। दस्तावेज इस मामले पर अपारदर्शी है।परतों की संख्या के बारे में केरा भ्रम
जेसन ब्राउनी के अनुसार पहली परत तकनीकी रूप से दो परतों, इनपुट परत, input_dim
और एक छिपी परत द्वारा निर्दिष्ट होती है। his blog पर पहले प्रश्न देखें।
सभी केरा दस्तावेज़ों में पहली परत को आम तौर पर model.add(Dense(number_of_neurons, input_dim=number_of_cols_in_input, activtion=some_activation_function))
के रूप में निर्दिष्ट किया जाता है।
सबसे बुनियादी मॉडल हम बना सकता है इसलिए होगा:
model = Sequential()
model.add(Dense(1, input_dim = 100, activation = None))
इस मॉडल एक परत है, जहां 100 आयामी इनपुट एक एकल इनपुट न्यूरॉन के माध्यम से पारित हो जाता है से मिलकर होता है या वह दो परतों से मिलकर करता है , पहले एक 100 आयामी इनपुट परत और दूसरा 1 आयामी छिपी परत?
आगे, अगर मुझे इस तरह का मॉडल निर्दिष्ट करना था, तो कितनी परतें हैं?
model = Sequential()
model.add(Dense(32, input_dim = 100, activation = 'sigmoid'))
model.add(Dense(1)))
यह 1 इनपुट परत, 1 छिपी परत, और 1 उत्पादन परत के साथ एक मॉडल है या यह 1 इनपुट परत और 1 उत्पादन परत के साथ एक मॉडल है?
के लिए धन्यवाद अन्य उत्तर के आधार पर मुझे पूरा यकीन नहीं है कि आप पहले मॉडल के बारे में सही हैं। मुझे लगता है कि यह सिर्फ एक इनपुट परत है और बिना किसी छिपी हुई परतों के एक एकल आउटपुट परत है। मुझे लगता है कि आप दूसरे मॉडल के बारे में सही हैं। –
हाय, वास्तव में, मैंने इसे बहुत तेज़ लिखा था। यह 1 इनपुट परत (100 न्यूरॉन्स) और एक आउटपुट परत से बना है। (1 न्यूरॉन से बना) मैं इसे संपादित करने जा रहा हूं –
सक्रियण परत द्वारा –