sequential模块

在TensorFlow中，sequential模块是tf.keras.models中的一个类，它是一种简单的模型构建方式，可以按顺序添加各种层来构建神经网络模型。

使用sequential模块，可以通过以下步骤构建模型：
1. 导入相关的模块：`from tensorflow.keras.models import Sequential`
2. 创建Sequential对象：`model = Sequential()`
3. 通过调用Sequential对象的add方法，按顺序添加各种层：`model.add(...)`

例如，可以按顺序添加Dense层和Dropout层来构建一个简单的全连接神经网络模型：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout

model = Sequential()
model.add(Dense(64, activation='relu', input_shape=(input_dim,)))
model.add(Dropout(0.5))
model.add(Dense(10, activation='softmax'))

在以上示例中，首先通过`model.add(Dense(...))`添加了一个具有64个神经元、ReLU激活函数和输入维度为input_dim的全连接层。接着通过`model.add(Dropout(0.5))`添加了一个Dropout层，以防止过拟合。最后，通过`model.add(Dense(...))`添加了一个具有10个神经元和softmax激活函数的输出层。

注意，sequential模块适用于简单的线性堆叠模型，不适用于复杂的网络拓扑结构。对于更复杂的模型构建，可以使用函数式API来创建自定义模型。