如何在Keras中对整个模型应用权重归一化？

发布时间：2020-12-20 13:15:27 所属栏目：Python 来源：网络整理

导读：我有一个庞大的模型,有很多构成层,每个层都有W_regularizer = l2(0.01)参数.我想从每个图层声明中删除它,并将其作为一个整体应用于模型.是不是可以在Keras上做到这一点？解决方法从 docs看起来不像它 Regularizers allow to apply penalties on layer para

我有一个庞大的模型,有很多构成层,每个层都有W_regularizer = l2(0.01)参数.我想从每个图层声明中删除它,并将其作为一个整体应用于模型.是不是可以在Keras上做到这一点？

解决方法

从 docs看起来不像它

Regularizers allow to apply penalties on layer parameters or layer
activity during optimization. These penalties are incorporated in the
loss function that the network optimizes.

The penalties are applied on a per-layer basis. The exact API will depend on the layer,but the layers Dense,Conv1D,Conv2D and Conv3D have a unified API.

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!