tf.layers.dense_tf.layers.dense reuse-优快云博客

本文详细解析了TensorFlow中tf.layers.dense函数的参数及功能，包括units、activation、use_bias等关键属性，以及kernel_initializer、bias_initializer等初始化方法。同时，介绍了正则化、约束和训练选项，为读者提供了全面的全连接层配置指南。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tf.layers.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,
    kernel_constraint=None,
    bias_constraint=None,
    trainable=True,
    name=None,
    reuse=None
    )

fully-connected layer全连接层

参数解释：

units：整数或长整数,输出空间的维数.
activation：激活功能(可调用),将其设置为“None”以保持线性激活.
use_bias：Boolean,表示该层是否使用偏差.
kernel_initializer：权重矩阵的初始化函数；如果为None(默认),则使用tf.get_variable使用的默认初始化程序初始化权重.
bias_initializer：偏置的初始化函数.
kernel_regularizer：权重矩阵的正则化函数.
bias_regularizer：正规函数的偏差.
activity_regularizer：输出的正则化函数.
kernel_constraint：由Optimizer更新后应用于内核的可选投影函数(例如,用于实现层权重的范数约束或值约束).该函数必须将未投影的变量作为输入,并且必须返回投影变量(必须具有相同的形状).在进行异步分布式训练时,使用约束是不安全的.
bias_constraint：由Optimizer更新后应用于偏置的可选投影函数.
trainable：Boolean,如果为True,还将变量添加到图集合GraphKeys.TRAINABLE_VARIABLES中(请参阅参考资料tf.Variable).
name：String,图层的名称；具有相同名称的图层将共享权重,但为了避免错误,在这种情况下,我们需要reuse=True.
reuse：Boolean,是否以同一名称重用前一层的权重.

参考：TensorFlow 官方文档