本筆記由博客園-圓柱模板 博主整理筆記發布，轉載需註明，謝謝合作!

keras的層主要包括：

常用層（Core）、卷積層（Convolutional）、池化層（Pooling）、局部連接層、遞歸層（Recurrent）、嵌入層（ Embedding）、高級激活層、規範層、噪聲層、包裝層，當然也可以編寫自己的層

對於層的操作

layer.get_weights() #返回該層的權重
layer.set_weights(weights)#將權重加載到該層
config = layer.get_config()#保存該層的配置
layer = layer_from_config(config)#加載一個配置到該層
#該層有一個節點時，獲得輸入張量、輸出張量、及各自的形狀：
layer.input
layer.output
layer.input_shape
layer.output_shape
#該層有多個節點時（node_index為節點序號）：
layer.get_input_at(node_index)
layer.get_output_at(node_index)
layer.get_input_shape_at(node_index)
layer.get_output_shape_at(node_index)

　　Dense層(全連接層）

keras.layers.core.Dense(output_dim, init=‘glorot_uniform‘, activation=‘linear‘, weights=None, W_regularizer=None, b_regularizer=None, activity_regularizer=None, W_constraint=None, b_constraint=None, bias=True, input_dim=None)

output_dim：輸出數據的維度

init：初始化該層權重的方法

activation：該層的激活函數

weights：numpy array的list。該list應含有一個形如（input_dim,output_dim）的權重矩陣和一個形如(output_dim,)的偏置向量

regularizer：正則項，w為權重的、b為偏執的，activity為輸出的

constraints：約束項

bias：是否包含偏執向量，是布爾值

input_dim：輸入數據的維度

dropout層

keras.layers.core.Dropout(p)

為輸入數據施加Dropout。Dropout將在訓練過程中每次更新參數時隨機斷開一定百分比（p）的輸入神經元連接，Dropout層用於防止過擬合。

keras模塊學習之層（layer）的使用-筆記