tensorflow.keras 教程# 基本分类：对服装图像进行分类 导入 Fashion MNIST 数据集 浏览数据 预处理数据 构建模型 设置层 编译模型 训练模型 向模型馈送数据 评估准确率 进行预测 验证预测结果 使用训练好的模型 电影评论文本分类 情感分析 下载并探索 IMDB 数据集 加载数据集 准备用于训练的数据集 配置数据集以提高性能 创建模型 损失函数与优化器 训练模型 评估模型 创建准确率和损失随时间变化的图表 导出模型 使用新数据进行推断 练习：对 Stack Overflow 问题进行多类分类 了解更多信息 使用 TensorFlow Hub 对电影评论进行文本分类 下载 IMDB 数据集 探索数据 构建模型 损失函数与优化器 训练模型 评估模型 延伸阅读 Basic regression: Predict fuel efficiency Auto MPG 数据集 获取数据 数据清洗 将数据拆分为训练集和测试集 数据检查 从标签中分离特征 归一化 归一化层 线性回归 使用一个变量进行线性回归 使用多个输入进行线性回归 使用深度神经网络 (DNN) 进行回归 使用 DNN 和单输入进行回归 使用 DNN 和多输入进行回归 性能 做预测 结论 过拟合与欠拟合 设置 希格斯数据集 演示过拟合 训练过程 微模型 小模型 中等模型 大模型 绘制训练和验证损失 在 TensorBoard 中查看 防止过拟合的策略 添加权重正则化 更多信息 添加随机失活 L2 + 随机失活的结合 在 TensorBoard 中查看 结论 保存和恢复模型 选项 配置 安装并导入 获取示例数据集 定义模型 在训练期间保存模型（以 checkpoints 形式保存） Checkpoint 回调用法 checkpoint 回调选项 这些文件是什么？ 手动保存权重 保存整个模型 新的高级 .keras 格式 SavedModel 格式 HDF5 格式 保存自定义对象 Keras Tuner 简介 概述 设置 下载并准备数据集 定义模型 实例化调节器并执行超调 训练模型 总结
