Tensorflow中dense（全连接层）各项参数_tensorflow dense

全连接dense层定义在 tensorflow/python/layers/core.py.

1. 全连接层 tf.layers.dense

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,
    trainable=True,
    name=None,
    reuse=None
)

inputs: 输入数据，2维tensor. 
units: 该层的神经单元结点数。 
activation: 激活函数. 
use_bias: Boolean型，是否使用偏置项. 
kernel_initializer: 卷积核的初始化器. 
bias_initializer: 偏置项的初始化器，默认初始化为0. 
kernel_regularizer: 卷积核化的正则化，可选. 
bias_regularizer: 偏置项的正则化，可选. 
activity_regularizer: 输出的正则化函数. 
trainable: Boolean型，表明该层的参数是否参与训练。如果为真则变量加入到图集合中 GraphKeys.TRAINABLE_VARIABLES (see tf.Variable). 
name: 层的名字. 
reuse: Boolean型, 是否重复使用参数.

全连接层执行操作 outputs = activation(inputs.kernel+bias) 如果执行结果不想进行激活操作，则设置activation=None

例如：

#全连接层
dense1 = tf.layers.dense(inputs=pool3, units=1024, activation=tf.nn.relu)
dense2= tf.layers.dense(inputs=dense1, units=512, activation=tf.nn.relu)
logits= tf.layers.dense(inputs=dense2, units=10, activation=None)

也可以对全连接层的参数进行正则化约束：

dense1 = tf.layers.dense(inputs=pool3, units=1024, activation=tf.nn.relu，kernel_regularizer=tf.contrib.layers.l2_regularizer(0.003))

--------------------- 
原文：https://blog.csdn.net/m0_37167788/article/details/79072681