使用tf.keras.layers.Layer自定义神经网络的层

tensorflow中的类tf.keras.layers.Layer可用于创建神经网络中的层，使用说明如下。

使用tf.keras.layers.Layer创建自定义的层

import tensorflow as tf

class MyLayer(tf.keras.layers.Layer):
    def __init__(self, num_outputs):
        super(MyLayer, self).__init__()
        self.num_outputs = num_outputs
	
    def build(self, input_shape):
        self.kernel = self.add_variable("kernel",
                                        shape=[int(input_shape[-1]),
                                               self.num_outputs])
        self.bias = self.add_variable("bias",
                                      shape=[self.num_outputs])
    def call(self, input):
        output = tf.matmul(input, self.kernel) + self.bias
        output = tf.nn.sigmoid(output)
        return output

创建一个层

layer1 = MyLayer(3)  # 创建一个由3个神经元构成的层
layer1.build((2,))  # 设定神经层的输入的维度是2
print(layer1.kernel)  #打印接入该神经层的权重矩阵
print(layer1.bias)  #打印该层各神经元的偏置

创建一个张量并输入该层

a = tf.constant([[0.1,0.2],[0.3,0.4]])  # 创建一个张量
print(layer1.call(a))  # 将张量输入该层

参考文献：
tensorflow2.0 - 自定义layer