# Keras 核心層 Keras 核心層實現基本操作，幾乎用于各種網絡架構。下表給出了 Keras 2 提供的層的摘要和說明： | **層名稱** | **描述** | | --- | --- | | `Dense` | 這是一個簡單的完全連接的神經網絡層。該層生成以下函數的輸出：`激活(輸入 x 權重 + 偏差)`，其中激活是指傳遞給層的激活函數，默認為`None`。 | | `Activation` | 該層將指定的激活函數應用于輸出。該層生成以下函數的輸出：**`激活(輸入)`，其中激活是指傳遞給該層的激活函數。以下激活函數可用于實例化層：`softmax`， `elu`， `selu`， `softplus`， `softsign`， `relu`， `tanh`， `sigmoid`， `hard_sigmoid`和`linear` | | `Dropout` | 該層以指定的損失率將損失正則化應用于輸入。 | | `Flatten` | 該層使輸入變平，即對于三維輸入，它變平并產生一維輸出。 | | `Reshape` | 此層將輸入轉換為指定的形狀。 | | `Permute` | 此層按照指定的模式重新排序輸入尺寸。 | | `RepeatVector` | 該層以給定次數重復輸入。因此，如果輸入是 2D 張量的形狀（#samples，＃feature）并且該層被賦予`n`次重復，那么輸出將是 3D 張量的形狀（#samples，n， ＃特征）。 | | `Lambda` | 該層將提供的函數包裝為層。因此，輸入通過提供的自定義函數傳遞以產生輸出。該層為 Keras 用戶提供了最終的可擴展性，可以將自己的自定義函數添加為層。 | | `ActivityRegularization` | 該層將 L1 或 L2 或兩種正則化的組合應用于其輸入。該層應用于激活層的輸出或具有激活函數的層的輸出。 | | `Masking` | 此層在輸入張量中屏蔽或跳過這些時間步長，其中輸入張量中的所有值都等于作為層參數提供的屏蔽值。 |