Keras - 區域性連線層

區域性連線層類似於Conv1D層，但不同之處在於Conv1D層的權重是共享的，而這裡權重是不共享的。我們可以使用不同的過濾器集來應用不同的輸入塊。

區域性連線層有一個引數，如下所示：

keras.layers.LocallyConnected1D(n)

使用一維區域性連線層的一個簡單示例如下所示：

>>> 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))

一維區域性連線層的函式簽名及其引數（帶有預設值）如下所示：

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
)

這裡，

• kernel_initializer 指的是核心權重矩陣的初始化器。

• kernel_regularizer 用於將正則化函式應用於核心權重矩陣。

• bias_regularizer 用於將正則化函式應用於偏差向量。

• activity_regularizer 用於將正則化函式應用於層的輸出。

類似地，我們也可以使用二維和三維層。

迴圈層

它用於迴圈神經網路（RNN）。其定義如下所示：

keras.engine.base_layer.wrapped_fn()

它支援以下引數：

• cell 指的是一個例項。

• return_sequences 返回輸出序列中的最後一個輸出，或返回整個序列。

• return_state 除了輸出之外，還返回最後一個狀態。

• go_backwards 返回布林結果。如果值為真，則反向處理輸入序列，否則返回反向序列。

• stateful 指的是每個索引的狀態。

• unroll 指定網路是否需要展開。

• input_dim 指的是輸入維度。

• input_length 指的是輸入序列的長度。