Python 不同tensorflow完全连接层之间的差异
tensorflow中可用的不同完全连接层之间的区别是什么。我知道可能有两个版本:面向对象和功能,但我在tensorflow中找到了4个不同的层: 该文档包含使用所有这些工具的示例。我还想知道何时使用每一层 Keras是一个深度学习lib库,它是Tensorflow和西亚诺等低级语言的包装。它最近被集成为Tensorflow项目,是代码库的一部分。如果您使用的是“原始”Tensorflow,则不应使用此层Python 不同tensorflow完全连接层之间的差异,python,tensorflow,keras,Python,Tensorflow,Keras,tensorflow中可用的不同完全连接层之间的区别是什么。我知道可能有两个版本:面向对象和功能,但我在tensorflow中找到了4个不同的层: 该文档包含使用所有这些工具的示例。我还想知道何时使用每一层 Keras是一个深度学习lib库,它是Tensorflow和西亚诺等低级语言的包装。它最近被集成为Tensorflow项目,是代码库的一部分。如果您使用的是“原始”Tensorflow,则不应使用此层 Tensorflow定义了一个功能接口。小写的层和操作通常是其中的一部分。定义自定
小写
的层和操作通常是其中的一部分。定义自定义图层或丢失函数时,这些函数用作构建块contrib
库,这些特性通常更具实验性和易变性。一旦一个特性被认为是稳定的,您应该使用它的其他实现(3)。(4) 仍将存在于库中以保持向后兼容性