keras - 总共有5层，4个隐藏层和1个输出层。我的理解对吗？

Question

我从概念上了解神经网络。也就是说，N层神经网络通常有N-1个隐藏层和1个输出层。

有人可以帮助我实际理解它吗？例如，这段代码创建了多少层？

model = Sequential()

model.add(Dense(50, activation='relu'))
model.add(Dense(100, activation='relu'))
model.add(Dense(50, activation='relu'))
model.add(Dense(1))

我猜第一个调用创建了两个层，其他调用每个添加一个层。因此，总共有 5 层，4 个隐藏层和 1 个输出层。

我的理解对吗？

标签： keras

Answer 1

正如它所写的那样，您将拥有输入层，该输入层馈入 Dense(50)，然后您将创建 3 个完全连接的隐藏层 Dense(50)、Dense(100)、Dense(50)，最后您将拥有输出层密集(1)