使用 tf.layer.conv 正确用法 - activation

Question

在 tensorflow 的 tf.layer.conv1d 网页https://www.tensorflow.org/api_docs/python/tf/layers/conv1d 中，它们提供了为您的模型设置“激活”和“activity_regularizer”的选项。我已经建立了一个模型，所以如果我可以设置 activity_regularizer = tf.layer.batch_normalization(training=True) 或 activation=tf.nn.leaky_relu(alpha = 0.001) 就好了。但是，如果我尝试将任何输入放入 tf.layer.batch_normalization 或 tf.nn.leaky_relu 他们给出错误，说缺少参数（前者的“输入”和后者的“特征”）。域名注册地址：          conv1 = tf.layers.conv1d(inputs=_inputs, filters=6, kernel_size=4, strides=1,                                  padding='same', activation=tf.nn.leaky_relu, activity_regularizer = tf.layers.batch_normalization)似乎“工作”（它至少运行），但是：          conv1 = tf.layers.conv1d(inputs=_inputs, filters=6, kernel_size=4, strides=1,                                  padding='same', activation=tf.nn.leaky_relu(alpha = 0.001), activity_regularizer = tf.layers.batch_normalization(training = True, trainable = True))说激活和activity_regularizer缺少参数。我可能在使用 activation 和 activity_regularizer 时完全错误，请随时纠正我。我希望有一个简单的解决方法，否则我唯一的选择是编写额外的代码行以将激活和批量标准化与 conv1d 分开。虽然，如果我不能更改它们的参数，我看不到将 activation 和 activity_regularizer 内置于 tf.layers.conv1d 的目的。最后一点：我特别担心 tf.layer.batch_normalization 因为我假设它被设置为默认的 training=False 和 trainable = True 这在“有效”的代码块中不应该总是如此。