該代碼的功能是進行mnist的數字識別，主要是用于指導大家如何自己封裝一個層，也就是自定義層

這里的Antirectifier就是自定義的一個層，代碼是進行一個正則化，然后正向結果進行一個relu激活函數，和取反(負數)結果進行一個relu，之后再進行一個concatenate

輸入shape和輸出shape分別為：

(60000, 784)
(60000, 10)

神經網絡結構為：

________________________________________________________________________________
Layer (type)                        Output Shape                    Param #
================================================================================
dense_1 (Dense)                     (None, 256)                     200960
________________________________________________________________________________
antirectifier_1 (Antirectifier)     (None, 512)                     0
________________________________________________________________________________
dropout_1 (Dropout)                 (None, 512)                     0
________________________________________________________________________________
dense_2 (Dense)                     (None, 256)                     131328
________________________________________________________________________________
antirectifier_2 (Antirectifier)     (None, 512)                     0
________________________________________________________________________________
dropout_2 (Dropout)                 (None, 512)                     0
________________________________________________________________________________
dense_3 (Dense)                     (None, 10)                      5130
________________________________________________________________________________
activation_1 (Activation)           (None, 10)                      0
================================================================================
Total params: 337,418
Trainable params: 337,418
Non-trainable params: 0
________________________________________________________________________________

不過可以看到，這里的Antirectifier層，參數個數為0，所以沒有參數需要訓練

?

——————————————————————

總目錄

keras的example文件解析

總結

以上是生活随笔為你收集整理的keras 的 example 文件 antirectifier.py 解析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。