深度学习基础
基础
2D张量：密集链接层、全连接层（Dense类）
3D张量：循环层（LSTM层）
4D张量 （图像数据）：二维卷积层（Conv2D）
具体操作：
1、定义训练数据：input ,output
2、定义层组成网络
3、配置学习过程，选择损失函数、优化器和需要监控的目标
4、调用 \(fit\) 方法进行迭代
定义模型：
- 使用 \(Sequential\) 类（仅用于层的线性堆叠）
- 函数式 \(API\) (层组成有向无环图，构建任意形式架构)
\(loss\) 使用：
二分类问题：(\(binarycrossentropy\))
多分类问题：(\(categoricalcrossentropy\))
回归问题：(\(mean-squarederror\))
序列学习：(\(CTC\))
