tf.layers模組提供的方法有：

• input(...): 例項化一個輸入Tensor，作為一個神經網路的輸入
• average_pooling1d(...): 一維平均池化層
• average_pooling2d(...): 二維平均池化層
• average_pooling3d(...): 三維平均池化層
• batch_normalization(...): BN(batch normalized)層
• conv1d(...): 一維卷積層
• conv2d(...): 二維卷積層
• conv2d_transpose(...): 二維反捲積層
• conv3d(...): 三維卷積層
• conv3d_transpose(...): 三維反捲積層
• dense(...): 全連線層
• dropout(...): dropout層
• flatten(...): Flatten層，將一個Tensor展平
• max_pooling1d(...): 一維最大池化層
• max_pooling2d(...): 二維最大池化層
• max_pooling3d(...): 三維最大池化層
• separable_conv2d(...): 二維深度可分離卷積層

具體例項如下：

#conv2d(input,filters,kernel_size,strides=(1,1),padding,activation)輸入，輸出通道數，卷積核大小，步長，填充(valid,same)，tf.nn.relu等
conv1 = tf.layers.conv2d(inputs_, 16, (3,3), padding='same', activation=tf.nn.relu)

#max_pooling2d(input,pool_size,stride,padding,name=None)  可用stride=2,pool_size=2，也可用
maxpool1 = tf.layers.max_pooling2d(conv1, (2,2), (2,2), padding='same')

#dense(inputs,units, activation=None，...)輸入，神經元數量，tf.nn.relu等
dense1=tf.layers.dense(maxpooling,20)