TensorFlow如何在网络中添加线性层

在 TensorFlow 中，可以使用 `tf.keras.layers.Dense` 类来添加线性层。该类表示一个全连接层，其中每个输入节点都连接到每个输出节点，并且每个连接都有一个权重和一个偏置。

以下是一个简单的例子，说明如何使用 `tf.keras.layers.Dense` 类添加一个线性层：

import tensorflow as tf

# 定义输入和输出的维度
input_dim = 100
output_dim = 10

# 创建一个线性层
linear_layer = tf.keras.layers.Dense(units=output_dim, input_shape=(input_dim,))

# 使用线性层进行前向传播
inputs = tf.ones((1, input_dim))
outputs = linear_layer(inputs)

print(outputs.shape)  # 输出 (1, 10)

在上面的例子中，我们创建了一个具有 100 个输入节点和 10 个输出节点的线性层。然后，我们使用这个层对一个具有 100 个元素的输入张量进行前向传播，并打印了输出张量的形状。注意，我们只传递了输入张量的形状作为 `input_shape` 参数，而没有指定批次大小。这是因为在定义输入形状时，通常将批次大小设置为 `None`，以允许在训练和推理期间使用不同大小的批次。