TensorFlow 面试题及详细答案 120道（21-30）-- 模型构建与神经网络
《前后端面试题》专栏集合了前后端各个知识模块的面试题，包括html，javascript，css，vue，react，java，Openlayers，leaflet，cesium，mapboxGL，threejs，nodejs，mangoDB，SQL，Linux… 。
文章目录
- 一、本文面试题目录
-
-
- 21. TensorFlow中构建神经网络的常用API有哪些？（如tf.keras、tf.layers等）
- 22. 简述使用tf.keras构建模型的两种方式（Sequential和Functional API）。
- 23. 如何自定义tf.keras层（Layer）？需要实现哪些方法？
- 24. 什么是激活函数？TensorFlow中常用的激活函数有哪些？
- 25. 解释卷积层（Convolutional Layer）的工作原理，tf.keras中如何实现？
- 26. 池化层（Pooling Layer）的作用是什么？最大池化和平均池化的区别？
- 27. LSTM和GRU在TensorFlow中如何实现？它们解决了RNN的什么问题？
- 28. 什么是批归一化（Batch Normalization）？在TensorFlow中如何使用？
- 29. dropout层的作用是什么？训练和推理时的行为有何不同？
- 30. 如何在TensorFlow中实现深度神经网络（DNN）？
-
- 二、120道TensorFlow面试题目录列表
一、本文面试题目录
21. TensorFlow中构建神经网络的常用API有哪些？（如tf.keras、tf.layers等）
原理说明：TensorFlow提供了多个层级的API用于构建神经网络，从底层操作到高层封装，满足不同场景需求。
常用API包括：
- tf.keras：高层API，封装了完整的模型构建、训练、评估流程，接口简洁易用，是TensorFlow 2.x推荐的主要API。