tf.layers.dense

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
)

Defined in tensorflow/python/layers/core.py.

全连接层的功能接口

该层实现了操作：outputs = activation (inputs * kernel + bias) 其中activation是作为激活参数传递的激活函数（如果不是None），kernel是由图层创建的权重矩阵，而bias是创建的偏向量按层（仅当use_bias为True时）。

参数说明

 

 

• inputs：张量输入。
• 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“无”以保持线性激活。
• use_bias：Boolean，该层是否使用偏差。
• kernel_initializer：权重矩阵的初始化函数。如果None（默认），使用默认初始化程序初始化权重tf.get_variable。
• bias_initializer：偏置的初始化函数。
• kernel_regularizer：权重矩阵的正则化函数。
• bias_regularizer：正规函数的偏差函数。
• activity_regularizer：输出的正则化函数。
• kernel_constraint：由a更新后应用于内核的可选投影函数Optimizer（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）。在进行异步分布式培训时，使用约束是不安全的。
• bias_constraint：由a更新后应用于偏置的可选投影函数Optimizer。
• trainable：Boolean，如果True还将变量添加到图集合中 GraphKeys.TRAINABLE_VARIABLES（请参阅参考资料tf.Variable）。
• name：String，图层的名称。
• reuse：Boolean，是否使用相同名称重用前一层的权重。

 

返回

输出张量与inputs最后一个尺寸的大小相同units

 

异常

ValueError:if eager execution is enabled.