0

我正在尝试关注这篇关于如何为每一层计算参数的SO 帖子,有人可以给我一个提示吗?

这是我的输出model.summary()

在此处输入图像描述

这是模型:

model = Sequential()
model.add(Dense(60, input_dim=44, kernel_initializer='normal', activation='relu'))
model.add(Dense(55, kernel_initializer='normal', activation='relu'))
model.add(Dense(50, kernel_initializer='normal', activation='relu'))
model.add(Dense(45, kernel_initializer='normal', activation='relu'))
model.add(Dense(30, kernel_initializer='normal', activation='relu'))
model.add(Dense(20, kernel_initializer='normal', activation='relu'))
model.add(Dense(1, kernel_initializer='normal'))
4

1 回答 1

1

对于 MLP,等式为:

(previous_layer_nodes + 1) * (layer_nodes)

其中 +1 代表偏差。

对于输入层,前一层的节点数是input_dim,因为输入实际上是一个隐含层

所以,在你的情况下:

dense   : (44+1)*60 = 2700
dense_1 : (60+1)*55 = 3355
dense_2 : (55+1)*50 = 2800
dense_3 : (50+1)*45 = 2295
dense_4 : (45+1)*30 = 1380
dense_5 : (30+1)*20 = 620
dense_6 : (20+1)*1  = 21
于 2020-03-30T16:58:26.840 回答