全连接层实现

方法一&＃xff1a;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 npx&＃61;tf.random.normal([2,784])#创建w,b张量
w1&＃61;tf.Variable(tf.random.truncated_normal([784,256],stddev&＃61;0.1))
b1&＃61;tf.Variable(tf.zeros([256]))
#o1&＃61;tf.matmul(x,w1)&＃43;b1#线性变换
o1&＃61;x&＃64;w1&＃43;b1
o1&＃61;tf.nn.relu(o1)#激活函数
print(o1)

方法二&＃xff1a;layers.Dense实现全连接层

#layers.Dense实现全连接层&＃xff08;层方式实现全连接层&＃xff09;
import tensorflow as tf
import numpy as np
#导入层模块
from tensorflow.keras import layersx&＃61;tf.random.normal([4,28*28])
#创建全连接层&＃xff0c;指定输出节点数和激活函数
fc&＃61;layers.Dense(512,activation&＃61;tf.nn.relu)#通过fc类实例完成一次全连接层的计算&＃xff0c;返回输出张量
h1&＃61;fc(x)
#print(h1)
#获取Dense类的权值矩阵&＃xff08;获取张量w&＃xff09;
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