Python/Keras：使用张量流的 LeakyRelu答案

【问题标题】：Python/Keras: LeakyRelu using tensorflowPython/Keras：使用张量流的 LeakyRelu
【发布时间】：2021-08-18 20:35:30
【问题描述】：

我在安装 keras 时遇到问题。以下内容给我带来了太多麻烦（即使在终端上进行更新）：

from keras.layers import Dense, Activation
from keras.models import Sequential

因此，我没有使用ann = Sequential() 初始化 ANN，而是使用ann = tf.keras.models.Sequential()。这通过导入：

import tensorflow as tf
from tensorflow import keras

我想使用 LeakyReLU 作为激活函数。然而，这个实现起来似乎有所不同，与其他人的做法相比，keras 文档对我的帮助并没有那么大。

我已经看到需要 ann.add(LeakyReLU(alpha=0.05))。但是，其他参数如 unit 或 input_dim 呢？如何使用我的代码实现这一点？

# Initialising the ANN
ann = tf.keras.models.Sequential()

# Adding the input layer and the first hidden layer
ann.add(tf.keras.layers.Dense(units=32, activation='relu'))

# Adding the second hidden layer
ann.add(tf.keras.layers.Dense(units=32, activation='relu'))

# Adding the output layer
ann.add(tf.keras.layers.Dense(units=1))

【问题讨论】：

标签： python tensorflow keras deep-learning relu

【解决方案1】：

首先你可以使用from tensorflow.keras.models import Sequential和from tensorflow.keras.layers import Dense, Activation直接导入Sequential、Dense和Activation

你可以像这样实现LeakyReLU：

from tensorflow import keras

model = keras.models.Sequential([
    keras.layers.Dense(10),
    keras.layers.LeakyReLU(alpha=0.05)
])

您可以在声明keras documentation 中给出的层后指定LeakuReLU 激活函数。

【讨论】：

【解决方案2】：

要在层中使用 LeakyReLU，您可以这样做：

ann.add(tf.keras.layers.Dense(
  units=32, activation=tf.keras.layers.LeakyReLU(alpha=0.3)))

【讨论】：