tf.fully_connected

 def fully_connected(

　　inputs,　　# 输入

　　num_outputs,　　# 　本层输出的数量

　　activation_fn=tf.nn.relu,　　# 本层的激活函数（None则默认为线性）

　　normalizer_fn=None,　　# 正则化函数（用来替代偏置[biases]，如果设置，则biases的两个选项dou）

　　normalizer_params=None,　　# 正则化参数

　　weights_initializer=initializers.xavier_initializer(),　　# 权重正则化

　　weights_regularizer=None,　　# 权重可选正则化

　　biases_initializer=init_ops.zeros_initializer(),　　#偏置初始化

　　biases_regularizer=None,　　# 对偏置的正则化选择

　　reuse=None,　　# 是否重用该层及其变量

　　variables_collections=None,

　　outputs_collections=None,

　　trainable=True,　　# 如果我们是微调网络，有的时候需要冻结某一层的参数，则该项设置为False

　　scope=None):　　# 可变范围

ps：写的不是很好，只能提供一些简单的帮助，随着以后学习的加深，我会慢慢再补充修改内容的，谢谢。