最全TensorFlow2 一小时学会全连接层_tensorflow2 keras全连接，网易的朋友给我这份339页的大数据开发面经

本文链接：https://blog.csdn.net/2401_84170623/article/details/138741807

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

bias_constraint=None, **kwargs

)




| 参数 | 介绍 |
| --- | --- |
| units | 正整数, 输出空间维度 |
| activation | 激活函数, 若不指定, 则不适用激活函数 |
| use\_bias | 布尔值, 该层是否使用偏置向量 |
| kernel\_initializer | `kernel`权值矩阵的初始化器 |
| bias\_initializer | 偏执向量的初始化器 |
| kernel\_regulaizer | 运用到偏执项的正则化函数 |
| bias\_regularizer | 运用到偏执项的的正则化函数 |
| activity\_regulatizer | 运用到层的输出正则化函数 |
| kernel\_constrint | 运用到`kernel`权值矩阵的约束函数 |
| bias\_constraint | 运用到偏执向量的约束函数 |


例子:

创建正态分布

x = tf.random.normal([256, 784])

创建全连接层, 输出为512

net = tf.keras.layers.Dense(512)
out = net(x)

调试输出

print(“w:”, net.kernel.shape)
print(“b:”, net.bias.shape)


输出结果:

w: (784, 512)
b: (512,)


## keras.Squential


Squential (序列模型) 是各层次之间依次顺序的线性关系. 模型结构通过一个列表来制定.


![在这里插入图片描述](https://img-blog.csdnimg.cn/20210612121644190.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NjI3NDE2OA==,size_16,color_FFFFFF,t_70#pic_center)


格式:

tf.keras.Sequential(
layers=None, name=None
)


参数:


* layers: 添加的层
* name: 数据名称


例子:

创建正态分布

x = tf.random.normal([256, 784])

建立网络模型

model = tf.keras.Sequential([
tf.keras.layers.Dense(256, activation=“relu”),
tf.keras.layers.Dense(128, activation=“relu”),
tf.keras.layers.Dense(10, activation=“relu”),
])

传入x

model(x)

调试输出权重和偏置顶名字和形状

for p in model.trainable_variables:
print(p.name, p.shape)




![img](https://img-blog.csdnimg.cn/img_convert/d51dae9f9ea00d0907b28359aaa5a5e8.png)
![img](https://img-blog.csdnimg.cn/img_convert/8b1ce1724546e08e51d7fb18b437cc4e.png)

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

b5e56a57acb)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**