注意

以下に書くことはTensorflowの仕様の体系的な理解に基づいているわけではなく、現段階の不完全なメモです。後日気が向いたら加筆修正するかもしれません。

はじめに

tf.keras.layers.Layerを継承することで独自のlayerクラスを定義できます。この時変数を__init__内で定義するか、build内で定義するかで挙動が変わります。（原則として変数はbuild内で定義することになっている）

一方Tensorflowにはtf.layers.Layerと言うクラスも存在します。こちらは公式リファレンスに

It is considered legacy, and we recommend the use of tf.keras.layers.Layer instead.

とあることから、新たな使用は避けた方が良いようです。このクラスも__init__、build、callにより設定されるなどインターフェースは似ていますが、その挙動はkeras.layers.Layerとはやや異なっており互換性はありません。

そもそもLayerクラスとは
- レイヤーと変数の所有関係を明確にする
- レイヤーをオブジェクトとして扱う（オブジェクト指向）
- 変数の再利用が容易（name scopeを記述しなくていい）
__init__、build、callの役割
- __init__：レイヤーの設定（出力次元数など）の保存
- build：変数の宣言。初めてグラフに組み込まれる際に一度だけ実行される。
- call：グラフの構築。グラフに組み込まれるたびに実行される。
tf.keras.layers.Layerとtf.layers.Layer
- tf.keras.layers.Layer
  - Layer.weightsに変数を格納していく
  - 当該レイヤーを内包するtf.keras.models.ModelのModel.weightsにも当該レイヤーの変数が格納される
  - 変数の名前はlayer_name/variable_nameになる（スコープの制御は自動で行われる）
  - 別のレイヤーを内包することはできない
- tf.layers.Layer
  - layer1/layer2/layer3/layer3_variable0のような名前付けを自動で（ユーザーがtf.variable_scopeを意識することなく）行う
  - 別のレイヤーを内包できる