tensorflow学习笔记二：在tensorflow中，加入l2_regularization

参考：https://blog.csdn.net/u012436149/article/details/70264257 并查阅tensorflow底层代码

在完成coursera作业时，发现NN模型的variance过大，尝试使用l2_regularization进行优化。

有两种实现思路：

A、手工直接计算各个权重矩阵的L2范数，然后加到最终的cost函数上。

B、利用tensorflow本身的机制，共分如下几个代码部分：

（1）

    lmbd= 0.1                                                                             

    l2_regularizer=tf.contrib.layers.l2_regularizer(lmbd) 

#以上代码目的：获得一个计算l2_regularization的函数。lmbd为可调的超参数。

（2）

    W1 = tf.get_variable("W1", [25,12288], initializer = tf.contrib.layers.xavier_initializer(seed = 1),regularizer=l2_regularizer)
    b1 = tf.get_variable("b1", [25,1], initializer = tf.zeros_initializer())
    W2 = tf.get_variable("W2", [12,25], initializer =