我們在使用tensorflow時，會發現tf.nn，tf.layers， tf.contrib模組有很多功能是重複的，尤其是卷積操作，在使用的時候，我們可以根據需要現在不同的模組。但有些時候可以一起混用。

        下面是對三個模組的簡述：

        （1）tf.nn ：提供神經網路相關操作的支援，包括卷積操作（conv）、池化操作（pooling）、歸一化、loss、分類操作、embedding、RNN、Evaluation。

        （2）tf.layers：主要提供的高層的神經網路，主要和卷積相關的，個人感覺是對tf.nn的進一步封裝，tf.nn會更底層一些。

        （3）tf.contrib：tf.contrib.layers提供夠將計算圖中的  網路層、正則化、摘要操作、是構建計算圖的高階操作，但是tf.contrib包含不穩定和實驗程式碼，有可能以後API會改變。


以上三個模組的封裝程度是逐個遞進的。

原文資訊如下：
---------------------
作者：MachineLP
來源：CSDN
原文：https://blog.csdn.net/u014365862/article/details/77833481