同学，你提到的 L2 是指 L2 正则。而在神经网络真正实现时，正则和损失函数是分开的两个部分。并不需要显示的将正则定义在损失函数里面。
全局化的正则（会加给每一个参数），设置方法如下：
https://github.com/PaddlePaddle/models/blob/develop/mt_with_external_memory/train.py#L73
如果想针对性的调整某一个参数的正则，每个可学习的参数都可以通过 param_attr 关键字来控制（param_attr设置一些如初始化 mead、std、正则系数等参数），调用方式可以参考这个例子：https://github.com/PaddlePaddle/models/blob/develop/text_classification/network_conf.py#L46
如果在optimizer中设置了全局正则系数，下面调用可以取消对fc层参数的正则，当然，也可以设置一个非0值，调整这个参数的正则系数。

fc = paddle.layer.fc(
input=input_layer,
size=128,
param_attr=paddle.attr.Param(decay_rate=0))