На этом шаге мы наметим план дальнейшего изложения.
У нас уже есть некоторый опыт работы с Keras - мы познакомились с моделью Sequential, слоями Dense и встроенным API обучения, оценки и прогнозирования: compile(), fit(), evaluate() и predict(). Более того, мы узнали, как создавать свои классы слоев, наследуя стандартный класс Layer, и как использовать объект GradientTape из библиотеки TensorFlow для реализации пошагового цикла обучения.
В следующих шагах мы рассмотрим примеры задач распознавания образов, прогнозирования временных рядов, обработки естественного языка и генеративного глубокого обучения. Эти сложные приложения потребуют гораздо большего, чем могут дать последовательная архитектура Sequential и цикл fit(). Но не будем торопиться! В следующих шагах вы познакомитесь с основными способами использования Keras API: со всем, что понадобится для решения более сложных задач глубокого обучения, с которыми вы столкнетесь в будущем.
На следующем шаге мы рассмотрим спектр рабочих процессов.
