何时在Keras模型中使用偏差？
我不熟悉凯拉斯的模特。我正在尝试评估建立模型的适当参数。我如何知道何时使用偏差和何时关闭偏差？简而言之，当模型很小时，始终使用偏差变量。否则，仍然建议在所有神经网络结构中继续使用偏差 因为每个神经元的表现都像一个简单的逻辑回归。在每个神经元中，输入值与权重相乘，偏差影响sigmoid函数的初始水平，从而产生所需的非线性 例如，如果在sigmoid函数中，训练数据中的输入为零，如何时在Keras模型中使用偏差？,keras,neural-network,deep-learning,hyperparameters,bias-neuron,Keras,Neural Network,Deep Learning,Hyperparameters,Bias Neuron,我不熟悉凯拉斯的模特。我正在尝试评估建立模型的适当参数。我如何知道何时使用偏差和何时关闭偏差？简而言之，当模型很小时，始终使用偏差变量。否则，仍然建议在所有神经网络结构中继续使用偏差 因为每个神经元的表现都像一个简单的逻辑回归。在每个神经元中，输入值与权重相乘，偏差影响sigmoid函数的初始水平，从而产生所需的非线性 例如，如果在sigmoid函数中，训练数据中的输入为零，如X=[[0,0，…]，[0,0，…]，Y=1，则输出将始终精确地为Y=0.5，因为X*W为零。然而，在大型网络中，每个节
X=[[0,0，…]，[0,0，…]，Y=1Y=0.5X*W