推荐：
【tensorflow2.0最新建模教程】，如下：
tensorflow2.0教程 常用操作集合1—Layer自定义层的设计
常用操作集合系列3—Model自定义模型的训练和参数调优loss gradient optimizer
常用操作集合系列4—损失函数正则化解决模型过拟合
常用操作集合系列5:tf2.0基于keras构建深度学习模型
常用操作集合系列6.案例-tf2.0如何构建交通标识识别CNN
今天分享的是如何使用tensorflow2.0展开自定义层Layer的设计。
注意点1权重初始化如下:
w_initial=tf.random_normal_initializer()
b_initial=tf.zeros_initializer()
Class Mydense(Layers.layer):
#例如Linear层 y=wa+b
def _init_(self,input_dim,units):
super(Mydense,self)._init_()
w_initial=tf.random_normal_initializer()
b_initial=tf.zeros_initializer()
self.w=tf.variable(w_initial(shape=input_dim,units),dtype='float32')
self.b=tf.variable(b_initial(shape=(units,)),dtype='float32')
def call(self,inputs):
return tf.matmul(inputs,self.w)+self.b
w和b的权重设置也可以单独在build中实现，调用add_weight来做权重设置，代码如下：
Class Mydense(Layers.layer):
def _init_(self,units):
super(Mydense,self)._init_
self.units=units
def build(self,input_shape):
self.w=self.add_weight(shape=(input_shape[-1],units),initializer='random_normal',trainable=True)
self.b=self.add_weight(shape=(self.units,),initializer='random_normal',trainable=True)
def call(self,inputs):
return tf.matmul(inputs,self.w) + self.b
