密集层（Dense Layer）介绍

密集层是深度学习中最基本的神经网络层之一，也是最常用的层之一。其作用是将输入向量映射为输出向量，常常被用来构建网络的中间层或输出层。

密集层的参数

密集层的参数主要包括输入维度、输出维度和激活函数等。

输入维度

输入维度是指输入向量的维度。在Keras中，可以通过input_dim参数指定输入维度，例如：

from keras.layers import Dense

model = Sequential()
model.add(Dense(128, input_dim=784))

这里，input_dim为784，表示输入向量的维度为784。

输出维度

输出维度是指输出向量的维度。在Keras中，可以通过units参数指定输出维度，例如：

from keras.layers import Dense

model = Sequential()
model.add(Dense(units=10))

这里，units为10，表示输出向量的维度为10。

激活函数

激活函数是指神经元的非线性变换函数，用于引入非线性因素。常用的激活函数有Sigmoid、Tanh、ReLU、LeakyReLU等。在Keras中，可以通过activation参数指定激活函数，例如：

from keras.layers import Dense

model = Sequential()
model.add(Dense(128, activation='LeakyReLU'))

这里，激活函数为LeakyReLU。

密集层的用法

在Keras中，可以使用Dense类来创建一个密集层。例如：

from keras.layers import Dense

model = Sequential()
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'))

上面的代码创建了一个两层的神经网络，其中第一层是具有64个神经元的密集层，使用ReLU作为激活函数，输入向量的维度为100；第二层是一个具有10个神经元的密集层，使用softmax作为激活函数。

总结

密集层是深度学习中最常用的神经网络层之一，其参数包括输入维度、输出维度和激活函数等。在Keras中，可以使用Dense类创建一个密集层，用于构建神经网络的中间层或输出层。