结合已掌握的 TensorFlow 张量和操作基本原理，我们现在将学习构建机器学习 (machine learning)模型。TensorFlow 将 Keras 集成作为其高级应用程序编程接口 (API)，它简化了神经网络 (neural network)架构的定义过程。这种方法使得您可以将更多精力放在模型设计上，而不是低级操作细节。

在本章中，您将学习如何:

• 认识 Keras 在 TensorFlow 生态系统中的作用，以实现高效模型开发。
• 使用 Keras 顺序 (Sequential) API 构建由线性堆叠层组成的模型。
• 使用函数式 (Functional) API 定义更复杂的模型结构，包括多输入或多输出的模型。
• 识别并使用常见层类型（如 Dense、Conv2D、Dropout）和激活函数 (activation function)（如 ReLU、Sigmoid、Softmax）作为构建模块。
• 了解创建自定义层和模型以满足特定需求的基本方法。

最后，我们将应用所学知识来构建一个基本的分类模型，让您获得 Keras 工作流从定义到实例化的实践经验。