# TFLearn 核心层 TFLearn 在`tflearn.layers.core`模块中提供以下层： | 层类 | 描述 | | --- | --- | | `input_data` | 该层用于指定神经网络的输入层。 | | `fully_connected` | 该层用于指定一个层，其中所有神经元都连接到前一层中的所有神经元。 | | `dropout` | 该层用于指定损失正则化。输入元素由`1/keep_prob`缩放，同时保持预期的总和不变。 | | `custom_layer` | 此层用于指定要应用于输入的自定义函数。此类包装我们的自定义函数并将该函数显示为层。 | | `reshape` | 此层将输入重新整形为指定形状的输出。 | | `flatten` | 该层将输入张量转换为 2D 张量。 | | `activation` | 该层将指定的激活函数应用于输入张量。 | | `single_unit` | 该层将线性函数应用于输入。 | | `highway` | 该层实现了完全连接的公路函数。 | | `one_hot_encoding` | 此层将数字标签转换为二元向量单热编码表示。 | | `time_distributed` | 该层将指定的函数应用于输入张量的每个时间步长。 | | `multi_target_data` | 此层创建并连接多个占位符，特别是在层使用来自多个源的目标时使用。 |