Kerasでニューラルネットワークレイヤーを追加する2つの方法の違いは何ですか？

Question

私はTheanoをバックエンドとしてKerasを使用しています。私はSequentialニューラルネットワークモデルを持っています。

以下の違いはありますか？

model.add(Convolution2D(32, 3, 3, activation='relu')) 

と

model.add(Convolution2D(32, 3, 3)) 
model.add(Activation('relu')) 

Answer 1

彼らは基本的に同じです。別々に置くことの利点は、間に他のレイヤー（たとえばBatchNormalization）を追加できることです。 Kerasで

は、指定されていない場合は、Convolution2Dは

def linear(x): 
    ''' 
    The function returns the variable that is passed in, so all types work. 
    ''' 
    return x 

だけ恒等関数であり、すべてのことActivation層は入力に活性化関数を適用しているんれ、デフォルトでは「線形」の活性化を使用します

def call(self, x, mask=None): 
    return self.activation(x) 

編集：

だから、基本的にはConvolution2D(activation = 'relu')はConvolution2D層のcall関数の最後の2行は、outputでの出力である

output = self.activation(output) 
return output 

であるConvolution2D(32, 3, 3)

後Activation('relu')を適用することと同じである、畳み込みを行った後relu活性化関数を適用します畳み込み。したがって、活性化機能を適用することがわかっているのは、Convolution2Dの最後のステップです。

ソースコード：
Convolution2D層：https://github.com/fchollet/keras/blob/a981a8c42c316831183cac7598266d577a1ea96a/keras/layers/convolutional.py
Activation層：https://github.com/fchollet/keras/blob/a981a8c42c316831183cac7598266d577a1ea96a/keras/layers/core.py
活性化関数：https://github.com/fchollet/keras/blob/master/keras/activations.py