Python/Keras：使用 tensorflow 的 LeakyRelu

Question

我在安装 keras 时遇到问题。以下内容给我带来了太多麻烦（即使在终端上进行更新）：

from keras.layers import Dense, Activation
from keras.models import Sequential

所以我没有使用 ann = Sequential() 初始化 ANN，而是 ann = tf.keras.models.Sequential()。这通过导入：

import tensorflow as tf
from tensorflow import keras

我想使用 LeakyReLU 作为激活函数。但是，这个实现起来似乎有所不同，与其他人倾向于做的相比，keras 文档对我的帮助不大。

我看到 ann.add(LeakyReLU(alpha=0.05)) 是必需的。但是，其他参数如 unit 或 input_dim 呢？我如何使用我的代码实现它？

# Initialising the ANN
ann = tf.keras.models.Sequential()

# Adding the input layer and the first hidden layer
ann.add(tf.keras.layers.Dense(units=32, activation='relu'))

# Adding the second hidden layer
ann.add(tf.keras.layers.Dense(units=32, activation='relu'))

# Adding the output layer
ann.add(tf.keras.layers.Dense(units=1))

Answer 1

要在层中使用 LeakyReLU，您可以这样做：

ann.add(tf.keras.layers.Dense(
  units=32, activation=tf.keras.layers.LeakyReLU(alpha=0.3)))

Answer 2

首先，您可以直接使用from tensorflow.keras.models import Sequential和from tensorflow.keras.layers import Dense, Activation

导入Sequential、Dense和Activation

您可以这样实施 LeakyReLU：

from tensorflow import keras

model = keras.models.Sequential([
    keras.layers.Dense(10),
    keras.layers.LeakyReLU(alpha=0.05)
])

您可以在声明 keras documentation 中给出的层后指定 LeakuReLU 激活函数。

Python/Keras：使用 tensorflow 的 LeakyRelu

Python/Keras: LeakyRelu using tensorflow

python

tensorflow

keras

deep-learning

relu