創建神經網絡層：layers模塊提供了一系列函數來創建不同類型的神經網絡層，如全連接層、卷積層、池化層等。
激活函數：layers模塊包含了常用的激活函數，如ReLU、sigmoid、tanh等，用于提供非線性特性。
歸一化：layers模塊提供了歸一化層，如批量歸一化（Batch Normalization）和層歸一化（Layer Normalization），用于加速模型訓練和提高模型性能。
正則化：layers模塊包含了正則化層，如Dropout和L2正則化，用于減少過擬合。
損失函數：layers模塊包含了常見的損失函數，如交叉熵損失函數、均方誤差損失函數等。
初始化器：layers模塊提供了一系列初始化器，如隨機初始化、Xavier初始化、He初始化等，用于初始化模型的權重。
池化層：layers模塊提供了不同類型的池化層，如最大池化層、平均池化層等，用于減少特征圖尺寸和參數數量。
卷積層：layers模塊提供了不同類型的卷積層，如一維卷積層、二維卷積層、三維卷積層等，用于提取特征。
全連接層：layers模塊提供了全連接層，用于將輸入數據與權重相乘并加上偏置，生成輸出結果。
自定義層：layers模塊還支持用戶自定義層，可以根據需求定義自己的神經網絡層。
