Couches de base (fully connected)

Fonctions :

• Dense()

  La couche Dense est une couche de réseau de neurones entièrement connectée (fully connected layer). Chaque neurone de cette couche reçoit en entrée toutes les sorties de la couche précédente. Elle est utilisée pour apprendre des combinaisons linéaires suivies d’une fonction d’activation, souvent en fin de réseau pour la classification ou la régression.

  Importation :

  from tensorflow.keras.models import Sequential
  from tensorflow.keras.layers import Dense

  Attributs :

  Paramètre	Type	Description	Valeur par défaut
  units	int	Nombre de neurones dans la couche.	Obligatoire
  activation	str ou callable	Fonction d'activation à appliquer (ex: 'relu', 'sigmoid').	None (activation linéaire)
  use_bias	bool	Indique si un biais doit être ajouté.	True
  kernel_initializer	str ou Initializer	Initialisation des poids.	'glorot_uniform'
  bias_initializer	str ou Initializer	Initialisation des biais.	'zeros'

  Exemple de code :

  📋 Copy

  from tensorflow.keras.models import Sequential
  from tensorflow.keras.layers import Dense
  
  # Création d'un modèle séquentiel simple
  model = Sequential()
  
  # Ajout d'une couche Dense avec 10 neurones et activation ReLU
  model.add(Dense(units=10, activation='relu', input_shape=(5,)))
  
  # Ajout d'une couche Dense de sortie avec 1 neurone (ex: régression)
  model.add(Dense(units=1))
  
  # Résumé du modèle
  model.summary()

  

  Explication du code :

  importe les modules nécessaires de Keras pour construire un modèle séquentiel et ajouter une couche Dense.

  Création du modèle

  `model = Sequential()` initialise un modèle séquentiel simple.

  Ajout d'une couche Dense cachée

  `model.add(Dense(units=10, activation='relu', input_shape=(5,)))` ajoute une couche complètement connectée avec 10 neurones, fonction d’activation ReLU, et une entrée de dimension 5.

  Ajout de la couche de sortie

  `model.add(Dense(units=1))` ajoute une couche de sortie avec 1 neurone, sans activation (linéaire), adaptée à une tâche de régression.

  Résumé

  `model.summary()` affiche la structure et le nombre de paramètres du modèle.