使用keras.Sequential时候我们添加网络层后，除了调用model.summary()函数外，可以使用何方法知道经过每层之后数据的维度变化？

在使用`keras.Sequential`时，我们可以使用`model.layers`属性来获取模型中的所有层，并通过调用每一层的`output_shape`属性来查看每一层之后数据的维度变化。

例如，对于下面这个简单的`keras.Sequential`模型：

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

model = Sequential()
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'))

我们可以通过下面的代码获取模型中的所有层，并打印出每一层的输出形状：

for layer in model.layers:
    print(layer.output_shape)

运行上述代码后，会打印出如下的输出：

(None, 64)
(None, 10)

可以看到，第一层的输出形状为`(None, 64)`，第二层的输出形状为`(None, 10)`，这与`model.summary()`函数展示的结果是一致的。