用途：该技能用于使用 TensorFlow 构建和训练神经网络，覆盖从简单顺序模型到包含多输出、自定义层和高级训练技术的复杂自定义架构。适用场景包括图像分类（CNN）、文本处理（RNN 或 transformer）、表格数据顺序模型、多任务学习、残差连接、嵌入层、自编码器与生成模型、预训练模型微调、注意力机制、时序预测与强化学习策略网络等。
主要能力：一，Keras Sequential API，线性堆叠层构建网络，支持 MNIST 等图像分类的加载、预处理、编译、训练、评估、预测与模型保存加载（如 model.save('mnist_model.h5')）。二，卷积神经网络，提供图像分类 CNN 与 CIFAR-10 CNN 架构，含 Conv2D、MaxPooling2D、BatchNormalization、Dropout、GlobalAveragePooling2D。三，自定义层，通过子类化 tf.keras.layers.Layer 实现 CustomDense、ResidualBlock 及基于 TF NumPy 的投影层，含 build、call、get_config。四，自定义模型，子类化 tf.keras.Model 实现多任务模型（共享层加任务分支），以及 tf.Module 三层网络。五，循环神经网络，提供自定义 GRU Cell、自定义 Dense 层与顺序 RNN 模型，含状态管理与权重访问。六，训练配置，涵盖词表大小、嵌入维度、RNN 单元数、批大小、缓冲大小等常量，以及 MNIST 训练常量与 tf.data 数据集构建。七、训练后量化，展示量化感知的模型定义与训练流程。
使用方式：需安装 TensorFlow，代码以 Python 编写，按资料示例加载数据、定义模型、compile、fit、evaluate、predict、save/load。
限制：资料未提供收费、价格、安装命令或平台支持等细节，暂未提供；具体效果与性能未提供。