为什么这个模型有两个激活？
Why does this model have two activations?
我不明白为什么下面的代码既有激活层又有激活参数？进行线性激活然后进行 LeakyReLU 有什么意义？最后，损失函数是作用在最后一层还是作用在最后一层之后？
fashion_model = Sequential()
fashion_model.add(Conv2D(32, kernel_size=(3, 3),activation='linear',input_shape=(28,28,1),padding='same'))
model.add(LeakyReLU(alpha=0.1))
model.add(MaxPooling2D((2, 2),padding='same'))
...more code...
model.add(Dense(num_classes, activation='softmax'))
model.compile(loss=keras.losses.categorical_crossentropy, optimizer=keras.optimizers.Adam(),metrics=['accuracy'])
'Linear'激活即不激活（只是恒等映射）。
损失应用于模型的输出，在这种情况下模型的输出是softmax。
我不明白为什么下面的代码既有激活层又有激活参数？进行线性激活然后进行 LeakyReLU 有什么意义？最后，损失函数是作用在最后一层还是作用在最后一层之后？
fashion_model = Sequential()
fashion_model.add(Conv2D(32, kernel_size=(3, 3),activation='linear',input_shape=(28,28,1),padding='same'))
model.add(LeakyReLU(alpha=0.1))
model.add(MaxPooling2D((2, 2),padding='same'))
...more code...
model.add(Dense(num_classes, activation='softmax'))
model.compile(loss=keras.losses.categorical_crossentropy, optimizer=keras.optimizers.Adam(),metrics=['accuracy'])
'Linear'激活即不激活（只是恒等映射）。 损失应用于模型的输出，在这种情况下模型的输出是softmax。