Keras 层

Keras 是一个高级神经网络 API，提供了一系列可重复使用的层，方便构建和训练深度学习模型。以下是一些常用的 Keras 层：

Dense 层: Dense 层是全连接层，可以应用于任何类型的网络结构。它通常用于输出层或隐藏层。
Conv2D 层: Conv2D 层是卷积层，常用于处理图像数据。它通过在图像上滑动一个卷积核来进行特征提取。
MaxPooling2D 层: MaxPooling2D 层是最大池化层，用于降低特征图的维度。它通过在特征图上滑动一个池化窗口，并取窗口内的最大值来实现。
Dropout 层: Dropout 层是一种正则化技术，可以防止模型过拟合。它通过在训练过程中随机丢弃一定比例的神经元。
BatchNormalization 层: BatchNormalization 层用于规范化神经元的激活值，有助于加速训练过程并提高模型的性能。

更多关于 Keras 层的介绍和示例，请参考官方文档。