keras/layers

Keras Layers 是 Keras 框架中用于构建神经网络的基础组件。以下是一些常用的 Keras 层：

常用层

• Dense (全连接层): 用于构建全连接神经网络。
• Conv2D (卷积层): 用于处理二维数据，如图像。
• MaxPooling2D (最大池化层): 用于降低特征图的空间维度。
• Dropout (丢弃层): 用于防止过拟合。

例子

假设我们要构建一个简单的卷积神经网络来识别图像：

from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D, Flatten, Dense

model = Sequential()
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(64, 64, 3)))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

更多关于 Keras 层的详细信息和示例，请访问官方文档。

Conv2D 层示例