深度学习的一个魅力在于神经网络中各式各样的层例如全连接层和后面章节中将要介绍的卷积层、池化层与循环层。虽然Gluon提供了大量常用的层但有时候我们依然希望自定义层。本节将 介绍如何使用NDArray来自定义一个Gluon的层从而可以被重复调用。3.4.1 不含模型参数的自定义层我们先介绍如何定义一个不含模型参数的自定义层。事实上这和“模型构造”一节中介绍的使用Block类构造模型类似。下面的CenteredLayer类通过继承Block类自定义了一个将输入减掉均值后输出的层并将层的计算定义在了forward函数里。这个层里不含模型参数。我们可以实例化这个层然后做前向计算。我们也可以用它来构造更复杂的模型。下面打印自定义层各个输出的均值。因为均值是浮点数所以它的值是一个很接近0的数。3.4.2 含模型参数的自定义层我们还可以自定义含模型参数的自定义层。其中的模型参数可以通过训练学出。“模型参数的访问、初始化和共享”一节分别介绍了Parmeter类和ParameterDict类。在自定义含模型参数的层时我们可以利用Block类自带的ParameterDict类型的成员变量params。他是一个有字符串类型的参数名字映射到Parameter类型的模型参数的字典。我们可以通过get函数从ParameterDict创建Parameter实例。现在我们尝试实现一个含权重参数和偏差参数的全连接层。它使用ReLU函数作为激活函数。其中in_units和units分别代表输入个数和输出个数。下面我们实例化MyDense类并访问它的模型参数。我们可以直接使用自定义层做前向计算。我么也可以使用自定义层构造模型。它和Gluon的其他层在使用上很类似。