Python tf.layers.dense和tf.nn.xw_plus_b之间的差异

tf.layers.density

和

tf.nn.xw_plus_b

中的

tf.nn.xw_plus_b

之间有什么区别？

---

当“activation”参数作为

None

传递时，

tf.layers.dense

中使用的默认激活是什么

tf.nn.xw_plus_b

是一种低级操作，只计算

x*W+b

，需要现有变量

tf.layers.dense

是一个创建变量的高级“层”，应用激活可以设置约束并应用正则化

根据默认情况，激活是线性的（无激活）

激活：激活功能（可调用）。将其设置为“无”以进行维护 线性激活

更新

在Tensorflow 1.12

Dense

中，层继承了

keras.layers.Dense

（）：

@tf\u导出（'layers.Dense'））
类密（keras_层密，基层）：

此层的Keras实现执行以下操作（）：

def调用（自身，输入）：
inputs=ops.convert_to_tensor（inputs，dtype=self.dtype）
秩=常用形状。秩（输入）
如果排名>2：
#输入需要广播。
输出=standard_ops.tensordot（输入，self.kernel，[[rank-1]，[0]]）
#将输出重塑为输入的原始ndim。
如果不是上下文。急切地执行_（）：
形状=输入。获取形状（）。作为列表（）
输出形状=形状[：-1]+[self.units]
输出。设置_形状（输出_形状）
其他：
输出=gen_math_ops.mat_mul（输入，self.kernel）
如果使用self.u偏差：
输出=nn.bias\u add（输出，自偏置）
如果self.activation不是None：
返回自激活（输出）#pylint:disable=不可调用
返回输出

因此，它不是使用

tf.nn.xw_plus_b

实现的，而是使用两个单独的操作

---

为了回答您的问题：

densite

没有激活的层，约束和正则化应该与

tf.nn.xw_plus_b

相同，我需要为我的问题替换一个更密集的层。没有激活的密集层，它会与xw_plus_b（功能方面）类似吗。用xw_plus_b替换稠密是否明智？我同意xw_plus_b需要外部变量，一旦将所有必要的变量传递给它，它的行为是否会类似于没有激活的稠密？