1、(全连接层)tf.layers.dense(
inputs, units,
activation=None,
use_bias=True,
kernel_initializer=None,##卷积核的初始化器
bias_initializer=init_ops.zeros_initializer(),##偏置项的初始化器,默认初始化为0
kernel_regularizer=None,##卷积核的正则化,可选
bias_regularizer=None,##偏置项的正则化,可选
activity_regularizer=None,##输出的正则化函数
kernel_constraint=None,
bias_constraint=None,
trainable=True,
name=None,##层的名字
reuse=None)##是否重复使用参数
部分参数解释:
inputs:输入该网络层的数据
units:输出的维度大小,改变inputs的最后一维
activation:激活函数,即神经网络的非线性变化
use_bias:使用bias为True(默认使用),不用bias改成False即可,是否使用偏置项
trainable=True:表明该层的参数是否参与训练。如果为真则变量加入到图集合中
2、max_pooling2d(inputs,
pool_size, strides,
padding=‘valid’, data_format=‘channels_last’,
name=None)
输入:池的张量,等级必须为4。
pool_size:2个整数的整数或元组/列表:(pool_height,pool_width),用于指定池窗口的大小。
步长:2个整数的整数或元组/列表,用于指定池操作的步幅。可以是整体,以指定所有空间尺寸的相同值。
padding:一个字符串,表示填充方法,“ valid”或“ same”,不区分大小写。
data_format:一个字符串,表示输入中维的顺序。 ,width)的输入。
名称:字符串,边框的名称。
3、conv2d(inputs,
filters,
kernel_size,
strides=(1, 1),
padding=‘valid’,
data_format=‘channels_last’,
dilation_rate=(1, 1),
activation=None,
use_bias=True,
kernel_initializer=None,
bias_initializer=init_ops.zeros_initializer(),
kernel_regularizer=None,
bias_regularizer=None,
activity_regularizer=None,
kernel_constraint=None,
bias_constraint=None,
trainable=True,
name=None,
reuse=None):
inputs:必需,即需要进行操作的输入数据。
filters:必需,是一个数字,代表了输出通道的个数,即 output_channels。
kernel_size:必需,卷积核大小,必须是一个数字(高和宽都是此数字)或者长度为 2 的列表(分别代表高、宽)。
strides:可选,默认为 (1, 1),卷积步长,必须是一个数字(高和宽都是此数字)或者长度为 2 的列表(分别代表高、宽)。
padding:可选,默认为 valid,padding 的模式,有 valid 和 same 两种,大小写不区分。
data_format:可选,默认 channels_last,分为 channels_last 和 channels_first 两种模式,代表了输入数据的维度类型,如果是 channels_last,那么输入数据的 shape 为 (batch, height, width, channels),如果是 channels_first,那么输入数据的 shape 为 (batch, channels, height, width)。
dilation_rate:可选,默认为 (1, 1),卷积的扩张率,如当扩张率为 2 时,卷积核内部就会有边距,3×3 的卷积核就会变成 5×5。
activation:可选,默认为 None,如果为 None 则是线性激活。
use_bias:可选,默认为 True,是否使用偏置。
kernel_initializer:可选,默认为 None,即权重的初始化方法,如果为 None,则使用默认的 Xavier 初始化方法。
bias_initializer:可选,默认为零值初始化,即偏置的初始化方法。
kernel_regularizer:可选,默认为 None,施加在权重上的正则项。
bias_regularizer:可选,默认为 None,施加在偏置上的正则项。
activity_regularizer:可选,默认为 None,施加在输出上的正则项。
kernel_constraint,可选,默认为 None,施加在权重上的约束项。
bias_constraint,可选,默认为 None,施加在偏置上的约束项。
trainable:可选,默认为 True,布尔类型,如果为 True,则将变量添加到 GraphKeys.TRAINABLE_VARIABLES 中。
name:可选,默认为 None,卷积层的名称。
reuse:可选,默认为 None,布尔类型,如果为 True,那么如果 name 相同时,会重复利用。
4、tf.layers.flatten()
(函数用于把卷积的图片展开)