keras的一些参数（to be continue）

一些参数的意思：

Conv2D二维卷积:

keras.layers.convolutional.Conv2D(filters, kernel_size, strides=(1, 1),     padding='valid', data_format=None, dilation_rate=(1, 1), activation=None,      use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros',      kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None,     kernel_constraint=None, bias_constraint=None)

MaxPool最大池化

keras.layers.pooling.MaxPooling2D(pool_size=(2, 2), strides=None, padding='valid', data_format=None)

Dense全连接层

keras.layers.Dense(units, activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None)

Flatten：将输入展平

keras.layers.Flatten(data_format=None)

tf.InteractiveSession()与tf.Session()区别：

• tf.InteractiveSession():它能让你在运行图的时候，插入一些计算图，这些计算图是由某些操作(operations)构成的。这对于工作在交互式环境中的人们来说非常便利，比如使用IPython。
• tf.Session():需要在启动session之前构建整个计算图，然后启动该计算图。
• 意思就是在我们使用tf.InteractiveSession()来构建会话的时候，我们可以先构建一个session然后再定义操作（operation），如果我们使用tf.Session()来构建会话我们需要在会话构建之前定义好全部的操作（operation）然后再构建会话。

卷积神经网络的tf的API