Sequential函数

Sequential函数是一种用于构建深度学习模型的函数式API。它允许我们以一种顺序方式构建模型，每个层都按照顺序连接在一起。在Keras框架中，Sequential函数是一个用于创建序列模型的类。

使用Sequential函数，我们可以通过将层按顺序添加到模型中来构建深度学习模型。每个层都接收上一层的输出作为输入，并将其输出传递给下一层。这种顺序连接的方式使得构建简单的模型变得非常方便。

以下是一个使用Sequential函数构建简单模型的示例：

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

model = Sequential()
model.add(Dense(64, input_shape=(10,), activation='relu'))
model.add(Dense(32, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

在上面的示例中，我们首先创建了一个Sequential对象。然后，我们通过调用add方法按顺序添加了三个全连接层。第一个层有64个神经元，接受10维的输入，并使用ReLU激活函数。第二个层有32个神经元，并使用ReLU激活函数。最后一个层是输出层，只有一个神经元，并使用sigmoid激活函数。

这样，我们就成功地使用Sequential函数构建了一个简单的深度学习模型。