tensorflow v2.3.0 学习记录(全来自官网~)

Module: tf.linalg  |  TensorFlow Core v2.3.0

0. 模型设计：可以设计一个

class inference(tf.keras.layers.Layer): inference定义神经网络的前向传播过程，实现了模型设计里面的网络结构可以自己定义.分离inference模块，有利于程序的可读性和操作性。高内聚，低耦合？
__init__(): 设计不同的功能模块基本框架有什么,不需要连接，单纯的列出需要哪些层，即构造模型框架的方块部分，箭头的连接先不用构造，在__call__()中进行连接

1. tf.keras.layers.Concatenate 连接前面两个层的输出

x1 = tf.keras.layers.Dense(8)(np.arange(10).reshape(5, 2))  
x2 = tf.keras.layers.Dense(8)(np.arange(10, 20).reshape(5, 2))
concatted = tf.keras.layers.Concatenate()([x1, x2])
# ()先进行了实例化，调用__init__()函数，只是没用参数，[x1, x2]是调用__call__()函数的参数

2. Module: tf.linalg 对tensor的最后一维构造对角矩阵

        Operations for linear algebra.线性代数的运算，矩阵相关这里找

tf.linalg.tensor_diag() #(1, 217, 30)=>(1, 217, 30, 1, 217, 30) 有点问题

# tf.linalg.LinearOperatorDiag：性构造器的作用类似于[批量]平方对角矩阵。
StuFactor0 = tf.linalg.LinearOperatorDiag(SEmb)  # (1, 217, 30)-->(1, 217, 30, 30)
StuFactor = StuFactor0.to_dense() 
# 这个是可以的，批处理？...