117笔记问答Keras的核心组件包括：
-
模型（Model）：用于构建神经网络模型的类，可以是序贯模型（Sequential）或者函数式模型（Functional）。
-
层（Layers）：神经网络模型的基本构建单元，可以是全连接层、卷积层、池化层等。
-
损失函数（Loss functions）：用于评估模型预测结果和真实标签之间的差异的函数，常见的损失函数包括均方误差、交叉熵等。
-
优化器（Optimizers）：用于更新神经网络参数以最小化损失函数的算法，常见的优化器包括随机梯度下降（SGD）、Adam等。
-
评估指标（Metrics）：用于评估模型性能的指标，如准确率、精确率、召回率等。
-
数据集（Datasets）：用于加载和处理训练数据和测试数据的类。
-
回调函数（Callbacks）：用于在训练过程中监控模型性能并进行相应的操作，如提前终止训练、保存模型等。
-
预处理层（Preprocessing layers）：用于对输入数据进行预处理的层，如标准化、归一化等。
-
模型保存与加载（Model saving and loading）：用于保存训练好的模型权重和结构，并在需要时加载模型。
-
各种实用工具函数和类：如模型容器、序列化和反序列化工具、图像处理工具等。