tf.layers.dense()层的定义

dense(
    inputs,
    units,
    activation=None,
    use_bias=True,
    kernel_initializer=None,
    bias_initializer=tf.zeros_initializer(),
    kernel_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    trainable=True,
    name=None,
    reuse=None
)

 

参数：

inputs：tf.layers.dense 的Tensor输入。
units：整数或长整数，输出空间的维数。
activation：激活功能（可调用），将其设置为“None”以保持线性激活。
use_bias：Boolean，表示该层是否使用偏差。
kernel_initializer：权重矩阵的初始化函数；如果为None（默认），则使用tf.get_variable使用的默认初始化程序初始化权重。
bias_initializer：偏置的初始化函数。
kernel_regularizer：权重矩阵的正则化函数。
bias_regularizer：正规函数的偏差。
activity_regularizer：输出的正则化函数。
kernel_constraint：由Optimizer更新后应用于内核的可选投影函数（例如，用于实现层权重的范数约束或值约束）。该函数必须将未投影的变量作为输入，并且必须返回投影变量（必须具有相同的形状）。在进行异步分布式训练时，使用约束是不安全的。
bias_constraint：由Optimizer更新后应用于偏置的可选投影函数。
trainable：Boolean，如果为True，还将变量添加到图集合GraphKeys.TRAINABLE_VARIABLES中（请参阅参考资料tf.Variable）。
name：String，图层的名称；具有相同名称的图层将共享权重，但为了避免错误，在这种情况下，我们需要reuse=True。
reuse：Boolean，是否以同一名称重用前一层的权重。
 

整个tf.layer.dense()参数如下：

dense：全连接层

相当于添加一个层，即初学的add_layer()函数

tf.layers.dense  (  inputs,     units,     activation=None,     use_bias=True,     kernel_initializer=None,     bias_initializer=tf.zeros_initializer(),     kernel_regularizer=None,     bias_regularizer=None,     activity_regularizer=None,     kernel_constraint=None,     bias_constraint=None,     trainable=True,     name=None,     reuse=None )、

常用的几个参数：

inputs: 该层的输入

units: 输出的大小（维数），整数或long

 activation: 使用什么激活函数（神经网络的非线性层），默认为None，不使用激活函数

 use_bias: 使用bias为True（默认使用），不用bias改成False即可

tf.layers.dense  (  inputs,     units,     activation）

 

参考链接：

tf.layers.dense用法 - 阿里云  https://yq.aliyun.com/ziliao/499817

TensorFlow函数：tf.layers.Dense_w3cschool  https://www.w3cschool.cn/tensorflow_python/tensorflow_python-rn6a2tps.html