使用keras.Sequential时候我们添加网络层,但是应该调用何函数如何知道经过每层之后数据的变化?
时间: 2024-02-09 12:10:43 浏览: 23
在使用`keras.Sequential`时,我们可以使用`model.summary()`函数来查看每一层之后数据的变化。
`model.summary()`函数可以展示模型每一层的输出形状、参数数量和总体参数数量等信息,让我们更好地了解网络的结构和参数情况。
例如,对于下面这个简单的`keras.Sequential`模型:
```python
from keras.models import Sequential
from keras.layers import Dense
model = Sequential()
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'))
model.summary()
```
运行`model.summary()`函数后,会打印出如下的模型结构:
```
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
dense_1 (Dense) (None, 64) 6464
_________________________________________________________________
dense_2 (Dense) (None, 10) 650
=================================================================
Total params: 7,114
Trainable params: 7,114
Non-trainable params: 0
_________________________________________________________________
```
可以看到,该模型包含两个`Dense`层,输入形状为`(None, 100)`,输出形状为`(None, 64)`和`(None, 10)`,其中第一层有6464个参数,第二层有650个参数,总共参数数量为7,114个。