通常情况下，激活函数会应用于给定层的所有神经元，如下所示：

layer = tf.nn.relu(layer)

如何仅对第二个神经元应用激活函数呢？

如何仅对特定神经元应用特定的变换（比如tf.exp()）呢？

切片列在这里无法应用，因为要切片列我需要知道行数，而在构建时行数是未知的。

回答：

你可以对动态形状的张量进行切片操作，就像对静态张量一样。这里我将一切简化为一个[?, 2]的张量及其第0片：

import numpy as npimport tensorflow as tfx = tf.placeholder(dtype=tf.float32, shape=[None, 2], name='x')layer = tf.nn.relu(x)slice = layer[:, 0]activation = tf.log(1 + tf.exp(slice))with tf.Session() as session:  session.run(tf.global_variables_initializer())  layer_val, slice_val, activ_val = session.run([layer, slice, activation],                                                feed_dict={x: np.random.randn(10, 2)})  print layer_val[:, 0]  print slice_val  print activ_val

你会发现layer_val[:, 0]与slice_val是相同的，而activ_val则是其变换结果。