一、简介
1、模块列表
experimentalmodule
2、类列表
class AveragePooling1D: 一维输入的平均池化层。class AveragePooling2D: 2D输入的平均池化层。class AveragePooling3D: 3D输入的平均池化层。class BatchNormalization: 批处理归一化层class Conv1D: 一维卷积层。class Conv2D: 二维卷积层。class Conv2DTranspose: 转置二维卷积层。class Conv3D: 三维卷积层。class Conv3DTranspose: 转置三维卷积层。class Dense: 密集连接层。class Dropout: 将Dropout应用于输入。class Flatten: 在保持批处理轴的同时，使输入张量变平。class InputSpec: 指定层的每个输入的ndim、dtype和形状。class Layer: 基本层。class MaxPooling1D: 最大池化一维输入。class MaxPooling2D: 最大池化二维输入。class MaxPooling3D: 最大池化三维输入 (e.g. volumes).class SeparableConv1D: 深度可分离一维卷积。class SeparableConv2D: 深度可分离的二维卷积。
3、函数列表
average_pooling1d(...):一维输入的平均池化层。average_pooling2d(...): 二维输入的平均池化层。average_pooling3d(...): 三维输入的平均池化层。batch_normalization(...): 批处理规范化层的功能接口。conv1d(...): 功能接口为一维卷积层。conv2d(...): 功能界面为二维卷积层。conv2d_transpose(...): 转置二维卷积层的函数接口。conv3d(...): 功能界面为三维卷积层。conv3d_transpose(...): 转置三维卷积层的功能接口。dense(...): 密集连接层的功能接口。dropout(...): 将Dropout应用于输入。flatten(...): 在保持批处理轴(轴0)的同时，使输入张量变平。max_pooling1d(...): 一维输入的最大池化层。max_pooling2d(...): 用于2D输入(例如图像)的最大池化层。max_pooling3d(...): 用于3D输入的最大池化层。separable_conv1d(...): 功能接口为深度可分离的一维卷积层。separable_conv2d(...): 功能接口为深度可分离的二维卷积层。
二、重要的API
1、tf.contrib.layers.l2_regularizer
返回一个函数，该函数可用于对权重应用L2正则化。
代码语言：javascript复制tf.contrib.layers.l2_regularizer(
scale,
scope=None
)较小的L2值有助于防止训练数据过度拟合。
参数：
scale: 标量乘法器张量。0.0禁用正则化器。scope: 一个可选的范围名称。
返回值：
- 一个具有l2(权重)签名的函数，它应用l2正则化。
可能产生的异常：
ValueError: If scale is negative or if scale is not a float.
