用新版本中的方法定义输出层，怎么添加l2正则到loss中

[mfxss]

        self.scores =tf.layers.dense(self.h_drop,num_classes,name='scores',kernel_initializer=tf.contrib.layers.xavier_initializer(),bias_initializer=tf.constant_initializer(0.1))

        # W = tf.get_variable(
        #     "W",
        #     shape=[num_filters_total, num_classes],
        #     initializer=tf.contrib.layers.xavier_initializer())
        # b = tf.Variable(tf.constant(0.1, shape=[num_classes]), name="b")
        # l2_loss += tf.nn.l2_loss(W)
        # l2_loss += tf.nn.l2_loss(b)
        # print(self.scores.shape)
        # self.scores = tf.nn.xw_plus_b(self.h_drop, W, b, name="scores")
        
        self.predictions = tf.argmax(self.scores, 1, name="predictions")


在这里面被注释的这些，我用开头的一句话tf.layers.dense代替了，这个方法有kernel_regularizer，但是不知道这里的kernel_regularizer会不会加入到loss中去。