核心层
全连接层
全连接层实现了output = activation(dot(input, kernel) + bias)
全连接的的神经网络层。
对输出使用激活函数。单一层对神经网络输出施加一个激活函数。
对输入数据进行适当的丢弃
对输入进行Flatten，不影响batch 大小
对输出重新定义唯独。
根据一定的模型改变输入序列
重复输入n次
自定义层，嵌入自定义的表达式。
tensorflow中定义的基本层，通常是对某一个NN的输出进行转化，转化成各个输出的概率。
全连接层
全连接层实现了output = activation(dot(input, kernel) + bias)
全连接的的神经网络层。
对输出使用激活函数。单一层对神经网络输出施加一个激活函数。
对输入数据进行适当的丢弃
对输入进行Flatten，不影响batch 大小
对输出重新定义唯独。
根据一定的模型改变输入序列
重复输入n次
自定义层，嵌入自定义的表达式。
tensorflow中定义的基本层，通常是对某一个NN的输出进行转化，转化成各个输出的概率。