如何解决为多个隐藏层设置sklearn MLPclassifier的激活参数
我设计了一个神经网络,它具有两个具有不同激活函数的隐藏层。如何使用 sklearn.neural_network.MLPClassifier 库为与其他层不同的每一层设置激活函数?
有类似的吗?
from sklearn.neural_network import MLPClassifier
clf = MLPClassifier(alpha=1e-5,hidden_layer_sizes=(10,5),activation=['tanh','relu'])
错误是: 错误是:" raise ValueError("不支持激活'%s')"
解决方法
从 documentation 开始,激活可以是以下之一:
activation{‘identity’,‘logistic’,‘tanh’,‘relu’},default=’relu’
Activation function for the hidden layer.
‘identity’,no-op activation,useful to implement linear bottleneck,returns f(x) = x
‘logistic’,the logistic sigmoid function,returns f(x) = 1 / (1 + exp(-x)).
‘tanh’,the hyperbolic tan function,returns f(x) = tanh(x).
‘relu’,the rectified linear unit function,returns f(x) = max(0,x)
没有为不同层设置不同激活的选项。回想一下,MLP 在概念上比成熟的神经网络更简单。如果你想要一个简单的架构,那么为什么不对两个层使用相同的激活呢?如果您想获得更多控制权,请切换到真正的深度学习框架。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。