首先，我们搭建一个神经网络，然后输出看一下参数个数
from keras.models import Sequential
from keras.layers import Dense
import numpy as np
import random
model = Sequential()
model.add(Dense(1,input_dim =1))
model.add(Dense(8))
model.add(Dense(2))
model.compile(loss='mean_absolute_error', optimizer ='adam')
model.summary()
输出如下
image.png
可以看出，keras输出了每层的参数个数，分别是2,16,18，三层总计36个参数
那么这些参数是如何确定的呢？
我们先来总结下规律
第一层，1个输入，1个输出，结果为2
第二层，1个输入，8个输出，结果为16
第三层，8个输入，2个输出，结果为18
规律不难找，参数个数=输入个数*输出个数+输出个数
其中的原因不难分析，每个神经元其实是在进行一个y= ax+b的计算，所以他有两个参数，一个是输入的权重a，一个是偏置b，如果输入有多个值，则存在多个权重a,所以一个神经元的参数个数是 输入个数+一个偏置，如果该层有多个输出，则整体参数个数为
输出个数 *（输入个数+1）=输入个数 * 输出个数+输出个数。
课后作业
1 查找use_bias参数，将Dense参数改为False，看看模型的参数数量是否有变化？
2 增加Dense的activation参数，看看模型的参数数量是否有变化？
