tf.layers.dense（）和tf.contrib.layers.fully_connected（）有什么区别？

Question

我在stackoverlflow上搜索了此问题，但是answers都没有澄清我的问题。

我正在尝试进行单变量预测，并且在LSTM的结尾处手动编写了一个密集层。

 weight = tf.Variable(tf.truncated_normal([config.lstm_size, config.input_size]))
 bias = tf.Variable(tf.constant(0.1, shape=[config.input_size]))

 prediction = tf.matmul(last, weight) + bias

然后我尝试将激活添加到结果中。

weight = tf.Variable(tf.truncated_normal([config.lstm_size, config.input_size]))
bias = tf.Variable(tf.constant(0.1, shape=[config.input_size]))

prediction = tf.nn.tanh(tf.matmul(last, weight) + bias)

问题：这与添加tf.layers.dense（）或tf.contrib.layers.fully_connected（）一样吗？

hidden = tf.layers.dense(last, units=1, activation=tf.nn.relu)

或

tf.contrib.layers.fully_connected(last, num_outputs=1, activation_fn=tf.nn.relu)

问题：如果我这样做：

hidden = tf.layers.dense(last, units=1, activation=tf.nn.relu)

prediction = tf.contrib.layers.fully_connected(hidden, num_outputs=1, activation_fn=tf.nn.relu)

这是否意味着我有两个致密层？

提前谢谢！