Python中的API

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)