网络层构建（tf.keras.layers）
tf.keras.layers模块的主要作用为配置神经网络层。其中常用的类包括：
tf.keras.layers.Dense：构建全连接层；
tf.keras.layers.Conv2D：构建2维卷积层；
tf.keras.layers.MaxPooling2D/AveragePooling2D：构建最大/平均池化层；
tf.keras.layers.RNN：构建循环神经网络层；
tf.keras.layers.LSTM/tf.keras.layers.LSTMCell：构建LSTM 网络层/LSTM unit；
tf.keras.layers.GRU/tf.keras.layers.GRUCell：构建GRU unit/GRU网络层；
tf.keras.layers.Embedding嵌入层将正整数（下标）转换为具有固定大小的向量，如[[4],[20]]->[[0.25,0.1],[0.6,-0.2]]。Embedding层只能作为模型的第一层；
tf.keras.layers.Dropout：构建dropout层等。
下面主要讲解tf.keras.layers.Dense、 tf.keras.layers.Conv2D、 tf.keras.layers.MaxPooling2D/AveragePooling2D和tf.keras.layers.LSTM/tf.keras.layers.LSTMCell。
tf.keras.layers中主要的网络配置参数如下：
activation：设置层的激活函数。默认情况下，系统不会应用任何激活函数。
kernel_initializer 和 bias_initializer：创建层权重（核和偏置）的初始化方案。默认为 "Glorot uniform" 初始化器。
kernel_regularizer 和 bias_regularizer：应用层权重（核和偏置）的正则化方案，例如 L1 或 L2 正则化。默认情况下，系统不会应用正则化函数。
