前言：

後面幾天我們將使用上篇文章說明的Mnist資料集，來進行手寫數字的辨識，再開始前先說明一下layer函數，因為之後的類神經網路會使用此方法。

程式開始：

def layer(out_dim,in_dim,inputs,activation=None):
        W = tf.Variable(tf.random_normal([in_dim,out_dim]))
        b = tf.Variable(tf.random_normal([1,out_dim]))
        XWb =tf.matmul(inputs,W) + b
        if activation is None:
            outputs = XWb
        else:
            outputs = activation(XWb)
        return outputs

說明：

out_dim：輸出的神經元數

in_dim：輸入的神經元數

inputs：輸入的二維陣列

activation：激勵函數

W：權重（此處使用常態分佈亂數）

b：偏差（此處使用常態分佈亂數）

運算式：XWb=(inputs*W)+b

結語：

這個layer函數，再後面幾天的手寫數字辨識時會使用到，所以先在這邊介紹。