sequential函数
时间: 2023-10-18 09:24:26 浏览: 43
在Keras中,`Sequential`是一种用于构建序列模型的函数。序列模型是一种简单的模型类型,它由一系列层按顺序堆叠而成,每一层都只有一个输入张量和一个输出张量。`Sequential`函数可以接受一系列层作为参数,并将它们按顺序堆叠起来构建成一个模型。下面是一个使用`Sequential`函数构建神经网络模型的例子:
```python
from keras.models import Sequential
from keras.layers import Dense, Activation
# 构建模型
model = Sequential([
Dense(32, input_shape=(784,)),
Activation('relu'),
Dense(10),
Activation('softmax'),
])
```
在这个例子中,我们首先从Keras中导入`Sequential`函数和`Dense`层和`Activation`层。然后,我们使用`Sequential`函数构建了一个包含两个Dense层的神经网络模型。第一个Dense层有32个神经元,输入形状为(784,),表示输入张量的形状是(784,)。第二个Dense层有10个神经元,表示输出张量的形状是(10,)。我们在每个Dense层之后都添加了一个'relu'激活函数层和一个'softmax'激活函数层。
使用`Sequential`函数构建模型的好处是它非常简单、直观。但是,`Sequential`函数只适用于一些简单的模型,不适用于一些复杂的模型,如具有多个输入和输出的模型或具有共享层的模型。对于这些复杂的模型,我们需要使用Keras的函数式API。