2、TensorFlow 2.x 基础：从层到图的深度学习之旅

TensorFlow 2.x 基础：从层到图的深度学习之旅

1. 层的概念与创建

在神经网络中，层定义了一种转换操作。它接收 tf.keras 张量作为输入，对输入进行转换，然后输出 Keras 张量。层可以执行各种各样的转换，像 Dense 、激活层、 reshape 、 Conv2D 和 LSTM 等都是从抽象层类派生出来的层。

下面是在 TensorFlow 2.x 中创建一个简单的全连接层（ Dense 层）的示例：

from tensorflow.keras.layers import Dense
dense_layer = Dense(units=10, activation='relu')
dense_layer
< tensorflow.python.keras.layers.core.Dense at 0x7feaa9f19150>

这里的 dense_layer 是 Dense 类的一个对象。层对象是可调用的，这是因为存在 __call__ 方法。该方法接受一个张量或张量的列表/元组，并返回它们，但它只能接受与该对象形状兼容的张量。

层可能会关联权重，也可能不会，这取决于它的具体功能。 Dense 层（层的一个子类）是有关联权重的。在使