Layers 总述
Layer方法
所有的Keras层对象都有如下方法：
layer.get_weights()：返回层的权重NDAlayer.set_weights(weights)：从NDA中将权重加载到该层中 ，要求NDA的形状与layer.get_weights()的形状相同layer.get_config()：返回当前层配置信息的字典，层也可以 借由配置信息重构layer.from_config(config)：根据config配置信息重构层1
2
3layer = Dense(32)
config = layer.get_config()
reconstructed_layer = Dense.from_config(config)1
2
3
4
5from keras import layers
config = layer.get_config()
layer = layers.deserialize({'class_name': layer.__class__.__name__,
'config': config})
非共享层
如果层仅有一个计算节点（即该层不是共享层），则可以通过下列 方法获得
- 输入张量：
layer.input - 输出张量：
layer.output - 输入数据的形状：
layer.input_shape - 输出数据的形状：
layer.output_shape
共享层
如果该层有多个计算节点（参考层计算节点和共享层）
- 输入张量：
layer.get_input_at(node_index) - 输出张量：
layer.get_output_at(node_index) - 输入数据形状：
layer.get_input_shape_at(node_index) - 输出数据形状：
layer.get_output_shape_at(node_index)
参数
shape类型
batch_size
- batch_size在实际数据输入中为首维（0维）
- shape类型参数传递的tuple中一般不包括batch_size维度
- 输出时使用
None表示(batch_size,...)
time_step
- 对时序数据，time_step在实际数据输入中第二维（1维）
input_shape
是
Layer的初始化参数，所有Layer子类都具有如果Layer是首层，需要传递该参数指明输入数据形状，否则 无需传递该参数
- 有些子类有类似于
input_dim等参数具有input_shape部分功能
- 有些子类有类似于
None：表示该维度变长
输入、输出
channels/depth/features：时间、空间单位上独立的数据， 卷积应该在每个channal分别“独立”进行
- 对1维时序（时间），channels就是每时刻的features
- 对2维图片（空间），channels就是色彩通道
- 对3维视频（时空），channels就是每帧色彩通道
- 中间数据，channnels就是每个filters的输出
1D：
(batch, dim, channels)（channels_last）2D：
(batch, dim_1, dim_2, channels)（channels_last）3D：
(batch, dim_1, dim_2, dim_3, channels)（channels_last）
