TensorFlow層（contrib）

包含用于構(gòu)建神經(jīng)網(wǎng)絡(luò)層，正則化，摘要等的操作。

建立神經(jīng)網(wǎng)絡(luò)層的高級(jí)操作

此包提供了一些操作，它們負(fù)責(zé)在內(nèi)部創(chuàng)建以一致方式使用的變量，并為許多常見的機(jī)器學(xué)習(xí)算法提供構(gòu)建塊。

• tf.contrib.layers.avg_pool2d
• tf.contrib.layers.batch_norm
• tf.contrib.layers.convolution2d
• tf.contrib.layers.conv2d_in_plane
• tf.contrib.layers.convolution2d_in_plane
• tf.nn.conv2d_transpose
• tf.contrib.layers.convolution2d_transpose
• tf.nn.dropout
• tf.contrib.layers.flatten
• tf.contrib.layers.fully_connected
• tf.contrib.layers.layer_norm
• tf.contrib.layers.linear
• tf.contrib.layers.max_pool2d
• tf.contrib.layers.one_hot_encoding
• tf.nn.relu
• tf.nn.relu6
• tf.contrib.layers.repeat
• tf.contrib.layers.safe_embedding_lookup_sparse
• tf.nn.separable_conv2d
• tf.contrib.layers.separable_convolution2d
• tf.nn.softmax
• tf.stack
• tf.contrib.layers.unit_norm
• tf.contrib.layers.embed_sequence

設(shè)置默認(rèn)激活功能的 fully_connected 的別名可用：relu,relu6 和 linear.

stack 操作也可用，它通過重復(fù)應(yīng)用層來構(gòu)建一疊層。

正則化

正則化可以幫助防止過度配合。這些都有簽名 fn(權(quán)重)。損失通常被添加到 tf.GraphKeys.REGULARIZATION_LOSSES。

• tf.contrib.layers.apply_regularization
• tf.contrib.layers.l1_regularizer
• tf.contrib.layers.l2_regularizer
• tf.contrib.layers.sum_regularizer

初始化

用于初始化具有明確值的變量，給出其大小,數(shù)據(jù)類型和目的。

• tf.contrib.layers.xavier_initializer
• tf.contrib.layers.xavier_initializer_conv2d
• tf.contrib.layers.variance_scaling_initializer

優(yōu)化

由于損失而優(yōu)化權(quán)重。

• tf.contrib.layers.optimize_loss

摘要

幫助函數(shù)來匯總特定變量或操作。

• tf.contrib.layers.summarize_activation
• tf.contrib.layers.summarize_tensor
• tf.contrib.layers.summarize_tensors
• tf.contrib.layers.summarize_collection

層模塊定義方便的函數(shù) summarize_variables,summarize_weights 和 summarize_biases，分別將 summarize_collection 集合參數(shù)設(shè)置為變量、權(quán)重和偏差。

• tf.contrib.layers.summarize_activations

功能列

功能列提供了將數(shù)據(jù)映射到模型的機(jī)制。

• tf.contrib.layers.bucketized_column
• tf.contrib.layers.check_feature_columns
• tf.contrib.layers.create_feature_spec_for_parsing
• tf.contrib.layers.crossed_column
• tf.contrib.layers.embedding_column
• tf.contrib.layers.scattered_embedding_column
• tf.contrib.layers.input_from_feature_columns
• tf.contrib.layers.joint_weighted_sum_from_feature_columns
• tf.contrib.layers.make_place_holder_tensors_for_base_features
• tf.contrib.layers.multi_class_target
• tf.contrib.layers.one_hot_column
• tf.contrib.layers.parse_feature_columns_from_examples
• tf.contrib.layers.parse_feature_columns_from_sequence_examples
• tf.contrib.layers.real_valued_column
• tf.contrib.layers.shared_embedding_columns
• tf.contrib.layers.sparse_column_with_hash_bucket
• tf.contrib.layers.sparse_column_with_integerized_feature
• tf.contrib.layers.sparse_column_with_keys
• tf.contrib.layers.weighted_sparse_column
• tf.contrib.layers.weighted_sum_from_feature_columns
• tf.contrib.layers.infer_real_valued_columns
• tf.contrib.layers.sequence_input_from_feature_columns