用途：该指南面向学术研究场景，讲解如何使用作为 TensorFlow 2.x 高级 API 的 Keras 构建、训练和调试深度学习模型，覆盖从图像分类、序列建模到自定义损失与实验可复现性的常见模式。
主要能力：提供 Sequential API 搭建标准架构（如卷积图像分类基线），Functional API 构建多输入/多输出模型（如图像与文本双分支融合）；用 tf.data 构建带增强的高效数据管道；通过回调编排实现模型检查点、早停、学习率衰减、TensorBoard 与 CSV 日志；支持自定义训练循环与自定义指标；支持混合精度训练（keras.mixed_precision.set_global_policy("mixed_float16")）。
使用方式：以 Python 代码调用 tensorflow.keras 的 layers、Model、compile、fit 等接口；用 set_seed 或 keras.utils.set_random_seed(42) 保证可复现；模型保存为 .keras 格式；用 tf.saved_model 导出部署，或导出 ONNX 做跨框架比较。
适用场景：研究论文的快速原型、可复现实验、图像与序列任务、多模态模型、超参数搜索与模型内省。
限制与注意：资料未提供安装命令、收费或平台信息；混合精度需注意输出层使用 float32 以保证数值稳定；确定性结果需设置 TF_DETERMINISTIC_OPS=1；常见问题包括梯度爆炸、过拟合、欠拟合、GPU 利用率低、显存不足与结果不确定，需相应调整。