全连接层实现

方法一：张量方式实现全连接层

#张量方式实现全连接层
import tensorflow as tf
import numpy as np

x=tf.random.normal([2,784])#创建w,b张量
w1=tf.Variable(tf.random.truncated_normal([784,256],stddev=0.1))
b1=tf.Variable(tf.zeros([256]))
#o1=tf.matmul(x,w1)+b1#线性变换
o1=x@w1+b1
o1=tf.nn.relu(o1)#激活函数
print(o1)

方法二：layers.Dense实现全连接层

#layers.Dense实现全连接层（层方式实现全连接层）
import tensorflow as tf
import numpy as np
#导入层模块
from tensorflow.keras import layers

x=tf.random.normal([4,28*28])
#创建全连接层，指定输出节点数和激活函数
fc=layers.Dense(512,activation=tf.nn.relu)#通过fc类实例完成一次全连接层的计算，返回输出张量
h1=fc(x)
#print(h1)
#获取Dense类的权值矩阵（获取张量w）
fc.kernel
#获取张量b
fc.bias
#返回待优化参数列表
fc.trainable_variables
#获取所有参数列表
fc.variables

最后

以上就是坚定大船为你收集整理的全连接层实现的全部内容，希望文章能够帮你解决全连接层实现所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。