有多少隐藏层?

Question

model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=input_shape))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())  
model.add(Dense(64))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(1))
model.add(Activation('sigmoid'))

据我理解，这里model.add(Conv2D(32, (3, 3), input_shape=input_shape))是输入层，model.add(Activation('sigmoid'))是输出层。

输入输出层之间共13层。那么模型中有13个隐藏层吗?或少吗?应该算作隐藏层的层的名称是什么?

我对Activation或MaxPooling2D或Dropout是否应被视为单个隐藏层感到困惑。

Answer 1

激活函数不是隐藏层。图层将是- Conv2D,MaxPooling2D,Flatten,Dense

您可以使用下面的代码来获取模型架构细节。

model.summary ()