【Tensorflow 大马哈鱼】tf.layers 之 dense层、dropout层、batch_normalization层、pad层

最新推荐文章于 2023-02-09 14:59:49 发布

原创

最新推荐文章于 2023-02-09 14:59:49 发布 · 4.2k 阅读

21 ·

CC 4.0 BY-SA版权

本文深入讲解了TensorFlow中tf.layers模块的功能与应用，包括全连接层、卷积层、池化层等常用函数的参数说明及示例代码，旨在帮助读者理解和掌握tf.layers在神经网络构建中的高效使用。

之前写的代码都是基于比较底层的API了，底层的API其实是有好处的，虽然还是调API，但是至少对于原理有小小的理解才能够写出代码。而且在实现一些新的论文或者要实现一个新的点子的时候，这时候是没有API的，因此底层的API非常有存在的必要，且必须经过这一个过程。
但是对于一个非常熟悉底层原理和经过了写底层代码这个过程的人，在有些很常见的任务上，就是用高级封装好的API就行。tf.layers就是提供这个功能的。是用tf.layers封装好的函数，能够省去非常多自己写的代码，而且更加简单更加方便。

一.概览

官方文档：Module: tf.layers
tf.layers中分为类和函数，我们这里主要讲函数，因为类和函数的用法大同小异。可以发现，这个模块主要覆盖的区域是全连接和卷积等等的基本操作。

Input(…): 用于实例化一个输入 Tensor，作为神经网络的输入。
average_pooling1d(…): 一维平均池化层
average_pooling2d(…): 二维平均池化层
average_pooling3d(…): 三维平均池化层
batch_normalization(…): 批量标准化层
conv1d(…): 一维卷积层
conv2d(…): 二维卷积层
conv2d_transpose(…): 二维反卷积层
conv3d(…): 三维卷积层
conv3d_transpose(…): 三维反卷积层
dense(…): 全连接层
dropout(…): Dropout层
flatten(…): Flatten层，即把一个 Tensor 展平
max_pooling1d(…): 一维最大池化层
max_pooling2d(…): 二维最大池化层
max_pooling3d(…): 三维最大池化层
separable_conv2d(…): 二维深度可分离卷积层

二.常见函数说明

tf.layers.dense

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
)