tensorflow学习记录11——构建深度学习神经网络0

1、常见神经网络层级结构

输入层：接收原始数据输入，它不进行任何形式的函数计算或变换，仅仅是作为数据的入口。

隐藏层：位于输入层和输出层之间，是神经网络进行特征学习和非线性变换的核心部分。隐藏层中的每个神经元都会对输入数据进行加权求和，并通过激活函数进行非线性变换。这种非线性变换使得神经网络能够学习到数据中的复杂模式和特征。隐藏层可以有一个或多个。

输出层：接收隐藏层的输出，并根据具体的任务进行最终的预测或分类。

2、构建网络准备问题

1) 如何构建以上网络的输入层、隐藏层、输出层，使用哪些函数，函数语法规则怎样？

2）Sequential网络是什么，如何构建

3、编译网络准备问题

1）如何编译网络？

2）什么是优化器？有哪些优化函数？优化器在什么环节使用？

3）损失函数是什么？有哪些损失函数，分别什么任务类型使用？

４、训练网络准备问题

１）训练网络过程中会有哪些参数，分别起什么作用，怎么调整会有什么效果？

5、如何进行性能评估？

6、模型保存及调用怎么实现？