TensorFlow2 でレイヤーを作るとき，下記の様にkernel_regularizerを指定すると正則化のためのペナルティ項の計算ができる． (L2 weight regularization は別名 weight decayとも呼ばれる）. 他の正則化の説明については今回は省略する．

layers.Dense(512, activation='elu',
                 kernel_regularizer=regularizers.l2(0.001))

tf.kerasの model.compile ， model.fit を使う場合は，自動的にこれらの正則化項を含めて勾配を計算して学習が進む．

トレーニングループをkerasに頼らず自分で書くときは次の様にする．公式チュートリアルを参考にした．

モデルに含まれる正則化項にはmodel.lossesでアクセスできるので，それらの和を求め，
他の損失との総和をとったものの勾配を計算すればよいようだ．

  @tf.function
  def train_step(images, labels):
    with tf.GradientTape() as tape:
      predictions = model(images, training=True)
      loss = loss_fn(labels, predictions) #出力に関するloss
      reg_loss = tf.add_n(model.losses) # 正則化のLoss 
      total_loss = reg_loss + loss
    gradients = tape.gradient(total_loss, model.trainable_variables) # 勾配を計算
    optimizer.apply_gradients(zip(gradients, model.trainable_variables)) #勾配により学習