1.池化层

　　池化的主要作用使得向量进行压缩，有max，average，min等方式，

　　主要参数pool_size和strides，第一个参数为池的大小，即从多少个参数中进行操作(max，average，min)
　　以shape(1,4,100)举例，如果pool_size=10，则没10个参数中进行一次操作，输出为shape(1,4,100)

　　maxpool1d可以操作三维向量，maxpool2d可以操作四维向量，maxpool3d可以操作五维向量

　　strides为对输出的一次缩小，即在操作结果上进行缩小

　　

 

2.融合层

　　包括add,sub,multi,average,dot,max,min等操作

　　对两个shape相同的向量的操作

　　

 

 3.激活层

　　包括relu，elu，prelu,softmax,leakyrelu

　　对向量的每个元素的一次激活

　　

 

 4.自定义层

　　

 

5.层封装器

　　Bidirectional

　　用于层的加工，比如双向rnn，

　　

6.标准化和噪音层

　　标准化层在神经网络计算开始之前，主要用于将数据做标准化操作，噪音层主要用于防止过拟合，

　　噪音层主要包括GaussianNoise  GaussianDropout  AlphaDropout