问题：
在tf.keras中使用softmax作为顺序层和softmax作为密集层的激活函数有什么区别？
田鹤轩
在tf.keras中使用softmax作为顺序层和softmax作为密集层的激活函数有什么区别？
tf.keras.layers.Dense(10, activation=tf.nn.softmax)
和
tf.keras.layers.Softmax(10)
共有1个答案
冷俊健
它们是一样的，你可以自己测试
# generate data
x = np.random.uniform(0,1, (5,20)).astype('float32')
# 1st option
X = Dense(10, activation=tf.nn.softmax)
A = X(x)
# 2nd option
w,b = X.get_weights()
B = Softmax()(tf.matmul(x,w) + b)
tf.reduce_all(A == B)
# <tf.Tensor: shape=(), dtype=bool, numpy=True>
使用tf时也要注意。凯拉斯。图层。Softmax，无需指定单位，只需简单激活即可
默认情况下，softmax在-1轴上计算，如果有张量输出，则可以更改此值
类似资料：
-
我在玩Keras，我在想线性激活层和无激活层之间的区别是什么？它不是有同样的行为吗？如果是这样，那么线性激活的意义是什么呢？ 我指的是这两段代码之间的区别： 和
-
我对他们有严重的怀疑。任何人都可以举例说明和一些想法。
-
卷积神经网络中的“局部”层和“密集”层有什么区别？我正在尝试理解TensorFlow中的CIFAR-10代码，我看到它使用“局部”层而不是规则的密集层。TF中是否有支持实现“本地”层的类？
-
问题内容： 我正在这里浏览tensorflowAPI文档。在tensorflow文档中，他们使用了名为的关键字。它是什么？API文档中的许多方法都将其编写为 如果写的是什么是那些只，为什么保持一个不同的名称，如？ 另一件事是，我无法区分两种方法。他们是 它们之间有什么区别？这些文档对我来说还不清楚。我知道是什么呢。但是没有其他。一个例子将非常有帮助。 问题答案： Logits只是意味着函数在较早的
-
本文向大家介绍激活函数的作用相关面试题，主要包含被问及激活函数的作用时的应答技巧和注意事项，需要的朋友参考一下 参考回答： 激活函数是用来加入非线性因素的,提高神经网络对模型的表达能力,解决线性模型所不能解决的问题。
-
我想知道Keras中的活化层和致密层有什么区别。 由于激活层似乎是一个完全连接的层，并且密集有一个参数来传递激活函数，那么最佳实践是什么？ 让我们想象这样一个虚构的网络：输入- 谢谢大家！