Keras 对隐藏层定义的澄清

我正在遵循有关在 Keras 中构建简单深度神经网络的教程，提供的代码是：

# create model
model = Sequential()
model.add(Dense(12, input_dim=8, activation='relu'))
model.add(Dense(8, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

是第一个model.add定义第一个隐藏层的线，输入层有 8 个输入？因此除了代码之外是否不需要指定输入层input_dim=8?

你说得对。

当你创建一个Sequential模型，输入“层”*定义为input_dim or by input_shape, or by batch_input_shape.

*- 输入层并不是真正的层，而只是一个用于接收特定格式数据的“容器”。

稍后您可能会发现使用函数式 API 模型而不是顺序模型非常有用。在这种情况下，您将使用以下命令定义输入张量：

inputs = Input((8,))

并将这个张量传递到各层：

outputs = Dense(12, input_dim=8, activation='relu')(inputs)
outputs = Dense(8, activation='relu')(outputs)
outputs = Dense(1, activation='sigmoid')(outputs)

创建模型：

model = Model(inputs,outputs)

乍一看似乎很麻烦，但很快你就会觉得需要创建分支、连接模型、拆分模型等。