Tensorflowを使用して、Pythonを使用して高密度レイヤーを上に追加するにはどうすればよいですか？

「add」メソッドを使用し、レイヤーのタイプを「Dense」として指定して、密なレイヤーをシーケンシャルモデルに追加できます。レイヤーは最初にフラット化され、次にレイヤーが追加されます。この新しいレイヤーは、トレーニングデータセット全体に適用されます。

続きを読む： TensorFlowとは何ですか？KerasはTensorFlowとどのように連携してニューラルネットワークを作成しますか？

Keras Sequential APIを使用します。これは、すべてのレイヤーに1つの入力テンソルと1つの出力テンソルがあるプレーンスタックのレイヤーを操作するために使用されるシーケンシャルモデルの構築に役立ちます。

Google Colaboratoryを使用して、以下のコードを実行しています。 Google ColabまたはColaboratoryは、ブラウザー上でPythonコードを実行するのに役立ち、構成が不要で、GPU（グラフィックプロセッシングユニット）に無料でアクセスできます。 ColaboratoryはJupyterNotebookの上に構築されています。

print("Adding dense layer on top")
model.add(layers.Flatten())
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(10))
print("Complete architecture of the model")
model.summary()

コードクレジット：https：//www.tensorflow.org/tutorials/images/cnn

出力

Adding dense layer on top
Complete architecture of the model
Model: "sequential_1"
_________________________________________________________________
Layer (type)                         Output Shape         Param #  
=================================================================
conv2d_3 (Conv2D)                  (None, 30, 30, 32)      896        
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 15, 15, 32)            0            
_________________________________________________________________
conv2d_4 (Conv2D)                  (None, 13, 13, 64)      18496      
_________________________________________________________________
max_pooling2d_3 (MaxPooling2 (None, 6, 6, 64)               0            
_________________________________________________________________
conv2d_5 (Conv2D)                  (None, 4, 4, 64)         36928      
_________________________________________________________________
flatten (Flatten)                  (None, 1024)               0            
_________________________________________________________________
dense (Dense)                        (None, 64)               65600      
_________________________________________________________________
dense_1 (Dense)                     (None, 10)               650        
=================================================================
Total params: 122,570
Trainable params: 122,570
Non-trainable params: 0
_________________________________________________________________

説明

• モデルを完成させるために、畳み込みベース（形状（4、4、64））からの最後の出力テンソルが1つ以上の高密度レイヤーに供給されて分類が実行されます。
• 高密度レイヤーは入力としてベクトル（1D）を取り、現在の出力は3Dテンソルです。
• 次に、3D出力が1Dにフラット化され、1つ以上の高密度レイヤーが上に追加されます。
• CIFARには10個の出力クラスがあるため、10個の出力を持つ最終的なDenseレイヤーが追加されます。
• （4、4、64）出力は、2つの高密度レイヤーを通過する前に、形状のベクトル（1024）にフラット化されます。