dense函数在Python中的使用指南

dense函数（也称为全连接层或线性层）是神经网络中最基础且常用的组件之一。在Python的深度学习生态中，它广泛应用于TensorFlow/Keras、PyTorch等框架。

1. 在TensorFlow/Keras中使用Dense层

Keras提供了 tf.keras.layers.Dense 类来定义全连接层：

import tensorflow as tf

model = tf.keras.Sequential([
    tf.keras.layers.Dense(128, activation='relu', input_shape=(784,)),
    tf.keras.layers.Dense(10, activation='softmax')
])

2. 在PyTorch中使用Linear层

PyTorch中对应的模块是 torch.nn.Linear：

import torch
import torch.nn as nn

class Net(nn.Module):
    def __init__(self):
        super().__init__()
        self.fc1 = nn.Linear(784, 128)
        self.fc2 = nn.Linear(128, 10)

    def forward(self, x):
        x = torch.relu(self.fc1(x))
        x = torch.softmax(self.fc2(x), dim=1)
        return x

3. Dense层参数说明

• units / out_features：输出神经元数量
• activation：激活函数（如 'relu', 'sigmoid'）
• use_bias：是否使用偏置项（默认为True）
• kernel_initializer：权重初始化方法

4. 应用场景

Dense层常用于：

• 分类任务的最后一层
• 多层感知机（MLP）结构
• 特征提取后的整合层

掌握dense函数的使用，是构建神经网络模型的第一步。建议结合具体项目进行实践。