如何在卷积层conv2D使用 batch_normal 和 weight_decay，请举例

在卷积层Conv2D中使用BatchNormalization和Weight Decay需要使用Keras中的BatchNormalization和Regularizers模块。以下是一个使用这些模块的Conv2D示例：

from keras.layers import Conv2D, BatchNormalization
from keras import regularizers

model = Sequential()

# 添加一个卷积层，其中包括BatchNormalization和L2正则化项
model.add(Conv2D(64, (3, 3), padding='same', activation='relu', kernel_regularizer=regularizers.l2(0.01)))
model.add(BatchNormalization())

# 添加另一个卷积层，其中包括BatchNormalization和L1正则化项
model.add(Conv2D(32, (3, 3), padding='same', activation='relu', kernel_regularizer=regularizers.l1(0.01)))
model.add(BatchNormalization())

# 添加最后一个卷积层，其中包括BatchNormalization和L1L2正则化项
model.add(Conv2D(16, (3, 3), padding='same', activation='relu',
                 kernel_regularizer=regularizers.l1_l2(l1=0.01, l2=0.01)))
model.add(BatchNormalization())

在上面的示例中，我们通过在Conv2D层中使用kernel_regularizer参数来添加L1、L2和L1L2正则化项。我们还在每个Conv2D层之后添加了BatchNormalization层。这些层将标准化输入并提高模型的收敛速度。