Keras - 局部连接层

局部连接层类似于Conv1D层，但不同之处在于Conv1D层的权重是共享的，而这里权重是不共享的。我们可以使用不同的过滤器集来应用不同的输入块。

局部连接层有一个参数，如下所示：

keras.layers.LocallyConnected1D(n)

使用一维局部连接层的一个简单示例如下所示：

>>> 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))

一维局部连接层的函数签名及其参数（带有默认值）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
)

这里，

• kernel_initializer 指的是内核权重矩阵的初始化器。

• kernel_regularizer 用于将正则化函数应用于内核权重矩阵。

• bias_regularizer 用于将正则化函数应用于偏差向量。

• activity_regularizer 用于将正则化函数应用于层的输出。

类似地，我们也可以使用二维和三维层。

循环层

它用于循环神经网络（RNN）。其定义如下所示：

keras.engine.base_layer.wrapped_fn()

它支持以下参数：

• cell 指的是一个实例。

• return_sequences 返回输出序列中的最后一个输出，或返回整个序列。

• return_state 除了输出之外，还返回最后一个状态。

• go_backwards 返回布尔结果。如果值为真，则反向处理输入序列，否则返回反向序列。

• stateful 指的是每个索引的状态。

• unroll 指定网络是否需要展开。

• input_dim 指的是输入维度。

• input_length 指的是输入序列的长度。