中的抽象层。层是Python函数，以张量和配置选项作为输入，然后生成其他张量作为输出。
当必要的张量组合起来时，用户便可以通过模型函数将结果转换为Estimator。
Layers API(tf.layers)
一种TensorFlow API，用于以层组合的方式构建深度神经网络。通过Layers API可以构建不同类型的层，例如：
● 通过 tf.layers.Dense 构建全连接层。
通过tf.layers.Conv2D 构建卷积层。
在编写自定义Estimator时，可以编写“层”对象来定义所有隐藏层的特征。LayersAPI遵循Keras LayersAPI规范。也就是说，除了前缀不同以外，Layers API中的所有函数均与KerasLayersAPI中的对应函数具有相同的名称和签名。
学习速率(learning rate)
在训练模型时用于梯度下降的一个变量。在每次迭代期间，梯度下降法都会将学习速率与梯度相乘。得出的乘积称为梯度步长。 qA asoM
学习速率是一个重要的超参数。
最小二乘回归(least squares regression)
一种通过最小化L2损失训练出的线性回归模型。
线性回归(linearregression)
一种回归模型，通过将输入特征进行线性组合，以连续值作为输出。
逻辑回归(logistic regression)
一种模型，通过将S型函数应用于线性预测，生成分类问题中每个可能的离散标签值的概率。虽然逻辑回归经常用于二元分类问题，但也可用于多类别分类问题（其叫法变为多类别逻辑回归或多项回归)。
对数损失函数(Log Loss)
二元逻辑回归中使用的损失函数。
损失(Loss)
一种衡量指标，用于衡量模型的预测偏离其标签的程度。或者更悲观地说，用于衡量模型有多差。要确定此值，模型必须定义损失函数。例如，线性回归模型通常将均方误差用于损失函数，而逻辑回归模型则使用对数损失函数。
附录D 术语列表
459