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

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。定义自定义图层或丢失函数时，这些函数用作构建块

这是您应该使用的层

这来自于

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

是一个Keras包装函数。其功能与3相同。结帐

它是tensorflow的功能接口

常用的

功能正在开发中

从技术上讲，前3个具有相同的功能（相同的输入和输出）