密集层中有多少个节点？
我有follow稠密函数，我正在努力理解它
Dense(10, input_shape = (28*28, ), kernel_initializer='he_normal'))
下面的代码是指我的层中有10个节点，还是第一层中有28*28个节点。我问过一个朋友，他们说这意味着你有一个28*28的输入层，然后是一个有10个节点的隐藏层。
共有2个答案
你的朋友是对的——事实上，你有一个28*28的隐式输入层，然后是一个10个节点的隐藏层。
这在Keras函数API中更明显（检查文档中的示例），其中您的层将显式编写为2层：
inputs = Input(shape=(28*28,)) # input layer
x = Dense(10, kernel_initializer='he_normal')(inputs) # hidden layer
另见我在最近一个相关问题中的回答。
是的，你的输入是一个28*28的数组，这个密集层有10个隐藏单元，层权重的初始化器如下：https://keras.io/initializers/#he_normal
-
问题内容： 从服务器以UTF-8发送时，我有一个大约500K的JavaScript字符串。如何用JavaScript判断其大小？ 我知道JavaScript使用UCS-2，因此每个字符2个字节。但是，这取决于JavaScript实现吗？还是页面编码或内容类型？ 问题答案： 值不依赖于实现，根据ECMA-262第三版规范，每个字符代表_UTF-16文本_ 的 单个16位单元 ： 4.3.16字符串值
-
看着，我会数到3 语法Get-ChildItem[[-路径]][[-过滤器]][-排除][强制][包括][名称][递归][UseTransation[]][ Get-ChildItem[[-过滤器]][-排除][强制][包括][名称][递归][]LiteralPath[-UseTransation[]][ Get-ChildItem[-属性][目录][文件][强制][隐藏][只读][系统][Use
-
在所有文献中，他们都说convnet的输入层是形状张量（宽度、高度、通道）。我知道一个完全连接的网络有一个输入层，其神经元数量与图像中的像素数量相同（考虑到灰度图像）。所以，我的问题是，卷积神经网络的输入层中有多少个神经元？下面的图片似乎有误导性（或者我理解错了），它说输入层有3个神经元。如果是，这3个神经元代表什么？它们是张量吗？根据我对CNN的理解，难道不应该只有一个大小的神经元（高度、宽度、
-
问题内容： 但是我 没有 关闭（展平）表，一个孩子可以有很多父母，并且ID遍历不一定是按顺序进行的。嵌套深度没有限制。 假设不可能使用循环引用…我想返回遍历层次结构所需的所有行。 假定下表： 给定我将如何编写单个查询以返回所有行（获取所有后代的Relationips）？ 同样，假设我期望第2、3、4、7、8行 鉴于我希望第6和第10行 偶然的假阳性和结果中重复的行都是可以接受的。缺少行是不可接
-
问题内容： 例如，存储一百万个（32位）整数列表需要多少内存？ 问题答案： 有用的链接： 如何获取python对象的内存大小/用法 python对象的内存大小？ 如果将数据放入字典中，我们如何计算数据大小？ 但是，他们没有给出明确的答案。要走的路： 使用/不使用列表来测量Python解释器消耗的内存（使用OS工具）。 使用第三方扩展模块，该模块定义某种sizeof（PyObject）。 更新 ：
-
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？