TensorFlow中计算L1正则化和L2正则化的函数：

L1正则化：tf.contrib.layers.l1regularizer(lambda)(w)，它可以返回一个函数，这个函数可以计算一个给定参数的L1正则化项的值。

L2正则化：tf.contrib.layers.12_regularizer(lambda)(w)，可以计算L2正则化项的值 。

lambda参数表示了正则化项的权重，也就是公式J（θ）＋λR(w）中的λ。w为需要计算正则化损失的参数。

正则化可以解决模型过拟合问题。

下边代码是计算L1和L2正则化：

import tensorflow as tf
 
weights = tf.constant([[1.0, -2.0],[-3.0 , 4.0]])
with tf.Session() as sess:
    # 输出为(|1|+|-2|＋|-3|+|4|)x0.5=5。其中0.5为正则化项的权重。
    print("L1正则化值为：", end="")
    print(sess.run(tf.contrib.layers.l1_regularizer(0.5)(weights)))
    
    # 输出为((1)^2+(-2)^2＋(-3)^2+(4)^2)/2x0.5=7.5。其中0.5为正则化项的权重。
    # TensorFlow会将L2正则化损失值除以2使得求导得到的结果更加1简洁 。
    print("L2正则化值为：", end="")
    print(sess.run(tf.contrib.layers.l2_regularizer(0.5)(weights)))

结果为：

L1正则化值为：5.0
L2正则化值为：7.5