我试图在我的模型中实现he_normal内核初始化和全局平均池化,但我不知道如何实现。
#beginmodel
model = Sequential([
Conv2D(16, 3, padding='same', activation='relu', input_shape=(100, 100,1)),
MaxPooling2D(),
Conv2D(32, 3, padding='same', activation='relu'),
MaxPooling2D(),
Conv2D(64, 3, padding='same', activation='relu'),
MaxPooling2D(),
Conv2D(128, 3, padding='same', activation='relu'),
MaxPooling2D(),
Flatten(),
Dense(215, activation='relu'),
Dense(10)
])
1条答案
按热度按时间0ve6wy6x1#
每个keras层都有一个初始化器参数,所以你可以用它来传递你的初始化器方法(he_normal出现在keras中)。
图像的全局平均池将网络的维数减小到2D。它可以用来代替展平操作。
我建议你也在你的最后一层使用一个softmax激活,以获得概率得分,如果你正在进行一个分类问题。
这里一个例子