Keras – 局部连接层

局部连接层类似于Conv1D层，但不同的是Conv1D层的权重是共享的，而这里的权重是不共享的。我们可以使用不同的过滤器组来应用不同的输入补丁。

局部连接层有 一个参数，如下所示

keras.layers.LocallyConnected1D(n)

使用 局部连接1D 层的一个简单例子如下

>>> from keras.models import Sequential 
>>> from keras.layers import Activation, Dense,LocallyConnected1D 
>>> model = Sequential() 

# apply a unshared weight convolution 1-dimension of length 3 to a sequence with 
# 10 timesteps, with 16 output filters 

>>> model.add(LocallyConnected1D(16, 3, input_shape = (10, 8))) 

# add a new conv1d on top 
>>> model.add(LocallyConnected1D(8, 3))

本地连接1D层函数的签名及其默认值的参数如下

keras.layers.LocallyConnected1D (
   filters, 
   kernel_size, 
   strides = 1, 
   padding = 'valid', 
   data_format = None, 
   activation = None, 
   use_bias = True, 
   kernel_initializer = 'glorot_uniform', 
   bias_initializer = 'zeros', 
   kernel_regularizer = None, 
   bias_regularizer = None, 
   activity_regularizer = None, 
   kernel_constraint = None, 
   bias_constraint = None
)

这里、

• kernel_initializer 是指内核权重矩阵的初始化器。

• kernel_regularizer 用于对内核权重矩阵应用正则化函数。

• bias_regularizer 用于对偏置向量应用正则函数。

• activity_regularizer 用于对该层的输出进行正则化处理。

类似地，我们也可以使用二维和三维层。

递归层

它用于循环神经网络（RNN）。它的定义如下所示

keras.engine.base_layer.wrapped_fn()

它支持以下参数 –

• cell 指一个实例。

• return_sequences 返回输出序列中的最后一个输出，或者完整的序列。

• return_state 返回除输出之外的最后一个状态。

• go_backwards 返回一个布尔值的结果。如果该值为真，则向后处理输入序列，否则返回反转的序列。

• stateful 指的是每个索引的状态。

• unroll 指的是网络是否要被展开。

• input_dim 指的是输入尺寸。

• input_length 是指输入序列的长度。