全連接層

Python 的 TensorFlow 入門

Isaiah Hull

Visiting Associate Professor of Finance, BI Norwegian Business School

線性迴歸模型

此圖示為一個有兩個特徵（婚姻狀態與年齡）的迴歸模型。模型的目標是信用卡持卡人的違約狀態。

此圖示為一個神經網路，含兩個特徵輸入：婚姻狀態與年齡。網路的目標是信用卡持卡人的違約狀態。

此圖為更複雜的神經網路，含 10 個輸入特徵、3 個全連接隱藏層與一個輸出層。

import tensorflow as tf

# 定義輸入（特徵）
inputs = tf.constant([[1, 35]])

# 定義權重
weights = tf.Variable([[-0.05], [-0.01]])

# 定義偏差（bias）
bias = tf.Variable([0.5])

# 以權重乘上輸入（特徵）
product = tf.matmul(inputs, weights)

# 定義全連接層
dense = tf.keras.activations.sigmoid(product+bias)

此圖示為一個全連接層，接受兩個輸入節點並產生一個輸出。

import tensorflow as tf

# 定義輸入（特徵）層
inputs = tf.constant(data, tf.float32)

# 定義第一個全連接層
dense1 = tf.keras.layers.Dense(10, activation='sigmoid')(inputs)

# 定義第二個全連接層
dense2 = tf.keras.layers.Dense(5, activation='sigmoid')(dense1)

# 定義輸出（預測）層
outputs =  tf.keras.layers.Dense(1, activation='sigmoid')(dense2)

此圖示為一個全連接層，接受兩個輸入節點並產生一個輸出。

dense = keras.layers.Dense(10,\
 activation='sigmoid')

prod = matmul(inputs, weights)
dense = keras.activations.sigmoid(prod)

Python 的 TensorFlow 入門