def add_layer(inputs, in_size, out_size, activation_function=None):

这是一个创建神经网络层的函数，参数说明如下：

- inputs: 输入数据，一个 Tensor 对象。
- in_size: 输入数据的大小。
- out_size: 输出数据的大小。
- activation_function: 激活函数，可以是 None、tf.nn.relu、tf.nn.sigmoid 等。

函数实现可以参考如下代码：

import tensorflow as tf

def add_layer(inputs, in_size, out_size, activation_function=None):
    # 定义权重和偏置
    weights = tf.Variable(tf.random_normal([in_size, out_size]))
    biases = tf.Variable(tf.zeros([1, out_size]) + 0.1)
    # 定义线性计算
    wx_plus_b = tf.matmul(inputs, weights) + biases
    # 如果有激活函数，则使用激活函数
    if activation_function is None:
        outputs = wx_plus_b
    else:
        outputs = activation_function(wx_plus_b)
    return outputs

这个函数使用 TensorFlow 实现了一个全连接层，其中包括权重、偏置、线性计算和激活函数。其中，权重是一个 in_size x out_size 的矩阵，偏置是一个 1 x out_size 的矩阵，线性计算使用矩阵乘法计算 wx+b，最后使用激活函数得到输出。如果没有指定激活函数，则直接返回 wx+b。