В машинном обучении слои используются для построения нейронных сетей. Основные типы: - **Полносвязные (Dense)** — каждый нейрон связан со всеми нейронами предыдущего слоя. Пример: ``` from tensorflow.keras.layers import Dense Dense(64, activation='relu') ``` - **Свёрточные (Conv2D, Conv1D)** — применяют фильтры для выявления локальных паттернов (изображения, текст). Пример: ``` Conv2D(32, (3, 3), activation='relu') ``` - **Рекуррентные (LSTM, GRU)** — обрабатывают последовательности с памятью о предыдущих состояниях. - **Пулинговые (MaxPooling, AvgPooling)** — уменьшают размерность, сохраняя ключевую информацию. Пример: ``` MaxPooling2D((2, 2)) ``` - **Дропаут (Dropout)** — регуляризация, случайно "выключает" нейроны для предотвращения переобучения. - **Нормализации (BatchNorm, LayerNorm)** — стабилизируют обучение, нормализуя активации. - **Embedding** — преобразует дискретные данные (слова) в плотные векторы.