Keras笔记

当我们需要额外的控制来编写自定义损失函数、自定义指标、层、模型、初始化程序、正则化函数、权重约束等，这时我们需要研究TensorFlow并了解底层Python API了。

人工神经网络是深度学习的核心。它们用途广泛、功能强大且可扩展，使其非常适合处理大型和高度复杂的机器学习任务，例如对数十亿张图像进行分类，为语音识别服务提供支持，每天向成千上万的用户推荐观看的最佳视频，

训练深度DNN并不是在公园里散步，以下是我们可能遇到的问题： 梯度消失或梯度爆炸。这在训练过程中通过DNN反向传播，梯度变得越来越小或越来越大。这两个问题都使得较低的层很难训练。