# TFLearn 估計層 TFLearn 在`tflearn.layers.estimator`模塊中只提供一層： | 層類 | 描述 | | --- | --- | | `regression` | 該層實現線性或邏輯回歸 | 在創建回歸層時，您可以指定優化程序以及損失和度量函數。 TFLearn 在`tflearn.optimizers`模塊中提供以下優化器函數作為類： * `SGD` * `RMSprop` * `Adam` * `Momentum` * ``AdaGrad`` * `Ftrl` * `AdaDelta` * `ProximalAdaGrad` * `Nesterov` 您可以通過擴展`tflearn.optimizers.Optimizer`基類來創建自定義優化器。 TFLearn 在`tflearn.metrics`模塊中提供以下度量函數作為類或操作： * `Accuracy`或`accuracy_op` * `Top_k`或`top_k_op` * `R2`或`r2_op` * `WeightedR2`或`weighted_r2_op` * `binary_accuracy_op` 您可以通過擴展`tflearn.metrics.Metric`基類來創建自定義指標。 TFLearn 在`tflearn.objectives`模塊中提供以下損失函數，稱為目標： * `softymax_categorical_crossentropy` * `categorical_crossentropy` * `binary_crossentropy` * `weighted_crossentropy` * `mean_square` * `hinge_loss` * `roc_auc_score` * `weak_cross_entropy_2d` 在指定輸入，隱藏和輸出層時，您可以指定要應用于輸出的激活函數。 TFLearn 在`tflearn.activations`模塊中提供以下激活函數： * `linear` * `tanh` * `sigmoid` * `softmax` * `softplus` * `softsign` * `relu` * `relu6` * `leaky_relu` * `prelu` * `elu` * `crelu` * `selu`