课程主页: https://www.coursera.org/learn/custom-models-layers-loss-functions-with-tensorflow
在如今的机器学习和深度学习领域，掌握 TensorFlow 已成为开发高效模型的关键。本课程 ‘Custom Models, Layers, and Loss Functions with TensorFlow’，专门设计以帮助学员更深入地理解和运用 TensorFlow 的功能。课程内容涵盖了功能性（Functional）和顺序（Sequential）API 的比较、如何构建自定义损失函数以及创建自定义层，最终目标是让学员能够构建出符合特定需求的模型。
课程的第一部分强调了功能性 API 的灵活性与优势，让学员能够构建复杂的模型，例如双胞胎网络（Siamese network）。在实际操作过程中，学生将能够理解如何利用功能性 API 来满足不同的设计需求。
接下来的模块集中在自定义损失函数的创建上。损失函数是评估模型表现的重要标准，课程中将指导学员如何构建如对比损失函数（contrastive loss function），帮助模型更加有效地学习。
与此同时，课程还将引导学员基于标准层构建自定义层，从而实现更灵活的模型设计。通过动手实践，学员可以增强对 TensorFlow 模型扩展能力的理解。此外，课程也包含了如何扩展现有模型（如 ResNet）的内容，帮助学生掌握模型自定义的更加复杂的技术。
作为额外内容，课程提供了自定义回调（Callbacks）的实现技巧，以便学员可以在训练过程中过滤输出或调整模型行为，例如，通过检测过拟合来提前停止训练。
总而言之，本课程通过丰富的实践和理论指导，使学员能够建立起坚实的 TensorFlow 应用基础，适合希望深入理解深度学习并应用 TensorFlow 的学员。无论是初学者还是有经验的开发者，都能从中受益匪浅。
课程主页: https://www.coursera.org/learn/custom-models-layers-loss-functions-with-tensorflow