tensorflow学习（一）——有关tensorflow不同层的使用（tf.nn 和tf.layers以及tf.contrib.layers）的简单区别

小trick: 对于使用tf.layers建立的神经网络，如果想要对loss函数进行正则话，可以采用如下方式[1]：

但是该方法不适用于编程者自己定义不同层的正则化。

 l2 = tf.add_n([tf.nn.l2_loss(var) for var in tf.trainable_variables()])

注意：本文中tensorflow ver=1.8

0. 写作目的

好记性不如烂笔头。及时更新。

1. 不同层的介绍

tf.nn是最基础的层，如tf.nn.conv2d, tf.nn.max_pool等，需要编程者自己定义权重。下面给出自己定义的Conv2d函数：

（注意： 这里统一使用tf.variable_scope()来管理范围）

def myConv2d(input_tensor, conv_size, stride_size ,
output_channel, name, regu=None, padding='SAME', act=tf.nn.relu, reuse=False):
    with tf.variable_scope(name, reuse=reuse):
        inpu