深入探索常见的机器学习架构

在机器学习领域，有许多常见的架构被广泛应用于各种任务。这些架构通过组合不同的神经网络层和算法来实现机器学习模型的构建和训练。在本文中，我们将详细介绍一些常见的机器学习架构，并提供相应的源代码示例。

1. 前馈神经网络（Feedforward Neural Network）
   前馈神经网络是最基本的神经网络架构之一。它由一个或多个神经网络层组成，每个层都与下一层完全连接。信息在网络中单向传递，没有反馈连接。这种架构被广泛应用于分类和回归任务。下面是一个用于图像分类任务的简单前馈神经网络的示例代码：

import tensorflow as tf

# 定义前馈神经网络模型
model = tf.keras.Sequential([
    tf.keras.layers