深度学习Keras框架笔记之核心层基类

   Keras的Layers，就是构成网络的每一层。Keras实现了很多层，包括核心层、卷基层、RNN网络层等诸多常用的网络结构。下面开介绍核心层中包含了哪些内容。因为这个核心层我现在还没有全部用到，所以会有一部分内容我并不是十分了解，因此直接附带了原文档介绍。有了解的朋友可以一起交流！

  核心层基类

     

keras.layers.core.Layer()  

　　下面介绍一下该类中包含的几个基本方法。 

   

#  把previous_layer层的输出连接到当前层的输入  
set_previous(previous_layer)  

　　 返回：None

   previous_layer : Layer对象

     

# 获取某层网络的输出  
get_output(train) 

　　返回：Theano tensor

     train : Boolean. 指定是在训练模式下还是测试模型下计算该层的输出。

   

# 获取某层网络的输入  
get_input(train) 

　　返回：Theano tensor

   

# 获取网络的权值  
et_weights()  

    返回：一个numpy array组成的list，每一层的参数值是一个numpy array

　　

# 设置网络权值参数  
set_weights(weights) 

　　 weights : 一个numpy array组成的list，每一层的权值是一个numpy array，且该list中的元素顺序要与get_weights(self)中返回的一致。(就是对应好每一层，不要打乱了顺序)

   

get_config() 

　　 返回：描述网络的配置信息字典。