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

 

)

定义于tensorflow/python/layers/core.py。

densely-connected layer的功能接口。

 

该层实现了操作： outputs = activation(inputs.kernel + bias)，其中activation是激活函数，通过参数activation传递（如果不为None），kernel是由该layer创建的权重矩阵，bias是由该layer创建的bias vector（仅当use_bias为True时）。

参数：

inputs：输入tensor。

units：整型或长整型，输出空间的维度。

activation：激活函数（回调）。将其设置为“None”以保持线性激活。

use_bias：Boolean，该layer是否使用bias。

kernel_initializer：权重矩阵的initializer。如果None（默认），使用默认initializer初始化bias。

bias_initializer：偏置的initializer。

kernel_regularizer：权重矩阵的regularizer。
bias_regularizer：bias的regularizer。
activity_regularizer：输出的regularizer。
kernel_constraint：当kernel被一个Optimizer更新后，对其应用一个可选的映射函数（例如，用于实现层权重的范数约束或值约束）。该函数必须将未映射的变量作为输入，并且必须返回映射变量（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：当bias被一个Optimizer更新后，对其应用一个可选的映射函数
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，是否以同一名称重用前一层的权重。
返回：
输出tensor，与inputs形状相同，除了最后一个尺寸是units。