关键词：Dense、Activation、Dropout、Flatten、Reshape、Permute、RepeatVector、Lambda、Masking
原文地址：文档对应地址
一.关于Keras的层（Layer）
【1】所有的Keras层对象都有如下方法：
1.layer.get_weights()：返回层的权重（numpy array）
2.layer.set_weights(weights)：从numpy array中将权重加载到该层中，要求numpy array的形状与* layer.get_weights()的形状相同
3.layer.get_config()：返回当前层配置信息的字典，层也可以借由配置信息重构:
【2】如果该层只有一个计算节点，则可以使用：
layer.input
layer.output
layer.input_shape
layer.output_shape
【3】如果该层有多个计算节点（参考层计算节点和共享层）。可以使用下面的方法（其实就是要指定具体的计算节点序号才能进行操作，否则会产生歧义，出现错误）：
layer.get_input_at(node_index)
layer.get_output_at(node_index)
layer.get_input_shape_at(node_index)
layer.get_output_shape_at(node_index)
#***************************************************************************************************************************************#
二.常用层
1.Dense层（全连接层）
keras.layers.core.Dense(units, activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None)
常用参数介绍：
【1】units：大于0的整数，代表该层的输出维度。
【2】activation：激活函数，为预定义的激活函数名（参考激活函数），或逐元素（element-wise）的Theano函数。如果不指定该参数，将不会使用任何激活函数（即使用线性激活函数：a(x)=x）
【3】use_bias：布尔值，是否使用偏置项
输入：形如(batch_size, …, input_dim)的nD张量，最常见的情况为(batch_size, input_dim)的2D张量；
输出：形如(batch_size, …, units)的nD张量，最常见的情况为(batch_size, units)的2D张量；
2.Activation层
keras.layers.core.Activation(activation)
参数：activation：将要使用的激活函数，为预定义激活函数名或一个Tensorflow/Theano的函数
输入shape：任意，当使用激活层作为第一层时，要指定input_shape
输出shape：与输入shape相同
3.Dropout层
keras.layers.core.Dropout(rate, noise_shape=None, seed=None)
Dropout将在训练过程中每次更新参数时按一定概率（rate）随机断开输入神经元，Dropout层用于防止过拟合。
参数：
【1】rate：0~1的浮点数，控制需要断开的神经元的比例
【2】noise_shape：整数张量，为将要应用在输入上的二值Dropout mask的shape，例如你的输入为(batch_size, timesteps, features)，并且你希望在各个时间步上的Dropout mask都相同，则可传入noise_shape=(batch_size, 1, features)。
【3】seed：整数，使用的随机数种子
4.Flatten层
keras.layers.core.Flatten()
Flatten层用来将输入“压平”，即把多维的输入一维化，常用在从卷积层到全连接层的过渡。Flatten不影响batch的大小。
5.Reshape层
keras.layers.core.Reshape(target_shape)
参数：target_shape：目标shape，为整数的tuple，不包含样本数目的维度（batch大小）
6.Permute层
keras.layers.core.Permute(dims)
Permute层将输入的维度按照给定模式进行重排，例如，当需要将RNN和CNN网络连接时，可能会用到该层。
7.RepeatVector层
keras.layers.core.RepeatVector(n)
作用：将输入重复n次
8.Lambda层
keras.layers.core.Lambda(function, output_shape=None, mask=None, arguments=None)
作用：本函数用以对上一层的输出施以任何Theano/TensorFlow表达式
9.ActivityRegularizer层
keras.layers.core.ActivityRegularization(l1=0.0, l2=0.0)
作用：经过本层的数据不会有任何变化，但会基于其激活值更新损失函数值
10.Masking层
keras.layers.core.Masking(mask_value=0.0)
作用：使用给定的值对输入的序列信号进行“屏蔽”，用以定位需要跳过的时间步