Tensorflow 添加全连接层

Tensorflow中提供了tf.layers.dense()与tf.contrib.layers.fully_connected用于添加全连接层，两者功能一样，后者在前者基础上封装实现。

1. 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
)

• inputs:该层的输入。
• units: 输出的大小（维数），整数或long。
• activation: 使用什么**函数（神经网络的非线性层），默认为None，不使用**函数。
• use_bias: 使用bias为True（默认使用），不用bias改成False即可。
• kernel_initializer:权重矩阵的初始化函数。 如果为None（默认值），则使用tf.get_variable使用的默认初始化程序初始化权重。
• bias_initializer:bias的初始化函数。
• kernel_regularizer:权重矩阵的正则函数。
• bias_regularizer:bias的的正则函数。
• activity_regularizer:输出的的正则函数。
• kernel_constraint:由优化器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:由优化器更新后应用于偏差的可选投影函数。
• trainable:Boolean，如果为True，还将变量添加到图集- collectionGraphKeys.TRAINABLE_VARIABLES（参见tf.Variable）。
• name:名字
• reuse:Boolean，是否以同一名称重用前一层的权重。

2. tf.contrib.layers.fully_connected

tf.contrib.layers.fully_connected(
    inputs,
    num_outputs,
    activation_fn=tf.nn.relu,
    normalizer_fn=None,
    normalizer_params=None,
    weights_initializer=initializers.xavier_initializer(),
    weights_regularizer=None,
    biases_initializer=tf.zeros_initializer(),
    biases_regularizer=None,
    reuse=None,
    variables_collections=None,
    outputs_collections=None,
    trainable=True,
    scope=None
)

• inputs：至少等级2的张量和最后一个维度的静态值; 即[batch_size, depth]，[None, None, None, channels]。
• num_outputs：整数或长整数，图层中的输出单位数。
• activation_fn：**功能。默认值是ReLU功能。将其明确设置为“无”以跳过它并保持线性**。
• normalizer_fn：使用标准化功能代替biases。如果 normalizer_fn提供biases_initializer，biases_regularizer则忽略并且biases不创建也不添加。没有规范化器功能，默认设置为“无”
• normalizer_params：规范化函数参数。
• weights_initializer：权重的初始化程序。
• weights_regularizer：可选的权重正则化器。
• biases_initializer：偏置的初始化程序。如果没有跳过偏置。
• biases_regularizer：偏置的可选正则化器。
• reuse：是否应重用图层及其变量。必须给出能够重用层范围的能力。
• variables_collections：所有变量的集合的可选列表或包含每个变量的不同集合列表的字典。
• outputs_collections：用于添加输出的集合。
• trainable：如果True还将变量添加到图表集合中 GraphKeys.TRAINABLE_VARIABLES（请参阅tf.Variable）。
• scope：variable_scope的可选范围。