टेंसरफ्लो/केरस में Sequential मॉडल (Dense लेयर्स) बनाना

Sequential मॉडल और Dense लेयर्स

Keras में Sequential मॉडल लेयर्स का एक रैखिक स्टैक है। Dense लेयर पूर्णतः जुड़ा हुआ (fully connected) न्यूरल नेटवर्क लेयर है।

विधि: लेयर्स को स्पष्ट रूप से बनाकर मॉडल में पास करना

import tensorflow as tf
from tensorflow.keras import layers

# तीन Dense लेयर्स स्पष्ट रूप से बनाएं
layer1 = layers.Dense(2, activation="relu", name="layer_1")
layer2 = layers.Dense(3, activation="relu", name="layer_2")
layer3 = layers.Dense(4, name="layer_3")

print("तीन Dense लेयर्स बनाई गईं")

# Sequential मॉडल में लेयर्स पास करें
model = keras.Sequential([layer1, layer2, layer3])

print("मॉडल लेयर्स:", model.layers)

# टेस्ट डेटा पर कॉल करें
x = tf.ones((4, 4))  # बैच आकार 4, इनपुट आयाम 4
y = model(x)

print(f"आउटपुट शेप: {y.shape}")  # (4, 4)

आउटपुट

तीन Dense लेयर्स बनाई गईं
मॉडल लेयर्स: [, , ]
आउटपुट शेप: (4, 4)

वैकल्पिक विधि: add() से इंक्रीमेंटल निर्माण

model = keras.Sequential()
model.add(layers.Dense(2, activation="relu", name="layer_1"))
model.add(layers.Dense(3, activation="relu", name="layer_2"))
model.add(layers.Dense(4, name="layer_3"))

print("लेयर्स add() से जोड़ी गईं")
print(model.summary())

मुख्य पैरामीटर्स (Dense)

• units — आउटपुट आयाम (न्यूरॉन्स की संख्या)।
• activation — सक्रियण फ़ंक्शन ('relu', 'sigmoid', 'softmax', None)।
• input_shape — केवल पहली लेयर के लिए आवश्यक (बैच आकार छोड़कर)।
• name — लेयर नाम (वैकल्पिक, डिबगिंग के लिए उपयोगी)।

model.layers एट्रिब्यूट

मॉडल की सभी लेयर्स की सूची देता है, जिसे इटरेट या इंडेक्स करके एक्सेस किया जा सकता है।