tensorflow2.0 Keras自定义层与网络

tensorflow2.0 Keras自定义层与网络

   使用keras通常的写法都是先调Sequential类（仅用于层的线性堆叠），如：

nn = Sequential([layers.Dense(128,activation='relu),
							layers.Dense(64,activation='relu),
							layers.Dense(10)])

   有时用已有的layer并不能满足我们的需要，比如在层中加入：

x = x-1

   这时就不得不加载自定义的Layer或Model，以适应各种需求，自定义层继承于keras.layers.Layer，自定义网络继承于keras.Model.
   自定义层或者网络时需定义 init 方法以及 call 方法：

class MyDenseLayer(layers.Layer):
	def __init__(self, input_dim, output_dim):
		super(MyDenseLayer, self).__init__()

		# add_variable已定义在父类中，用于添加trainable的变量
		self.kernel = self.add_variable('weight', [input_dim, output_dim]) 
		self.bias = self.add_variable('bias', [output_dim]) 
		
	#这里使用inputs作为输入参数，training用于控制训练或测试
	def