Keras中的序列模型是什么意思？

Question

我最近开始使用Tensorflow进行深度学习。我发现这句话model = tf.keras.models.Sequential()有点不同。我不能理解什么是真正的意思，还有其他的深度学习模型吗？我在MatconvNet (卷积神经网络的Matlab库)上做了很多工作。在这里面从来没有看到任何顺序的定义。

Answer 1

有两种方法可以构建Keras模型:顺序模型和函数模型。

顺序API允许您为大多数问题逐层创建模型。它的局限性在于，它不允许创建共享层或具有多个输入或输出的模型。

或者，functional API允许您创建具有更大灵活性的模型，因为您可以轻松地定义模型，在这些模型中，层连接到的不仅仅是上一层和下一层。事实上，您可以将层连接到(字面上)任何其他层。因此，创建复杂的网络，如暹罗网络和残差网络成为可能。

更多详情请访问：https://machinelearningmastery.com/keras-functional-api-deep-learning/

Answer 2

根据Keras文档的定义，顺序模型是层的线性堆栈.You可以通过将层实例列表传递给构造函数来创建顺序模型：

from keras.models import Sequential
from keras.layers import Dense, Activation

model = Sequential([
    Dense(32, input_shape=(784,)),
    Activation('relu'),
    Dense(10),
    Activation('softmax'),
])

您也可以简单地通过.add()方法添加层：

model = Sequential()
model.add(Dense(32, input_dim=784))
model.add(Activation('relu'))

有关更多详细信息，请单击here

Answer 3

Sequential模型是层的线性堆栈。

ConvNets的常见体系结构是顺序体系结构。但是，有些架构不是线性堆栈。例如，暹罗网络是两个具有共享层的并行神经网络。More examples here。