用Keras的函数式API创建模型

为什么要用Keras的函数式API创建模型？

• 支持创建多输入多输出模型
• 支持创建非线性模型，eg: 残差模块
• 支持图层共享

如何创建？使用keras.Model()类

• 第一种，使用“函数式API”，您从输入开始，您可以链接层调用以指定模型的前向传递，最后您从输入和输出创建模型
• 第二种，通过继承 Model 类：在这种情况下，您应该在 init 中定义您的层，并且您应该在call()中实现模型的前向传递

用Keras的函数式API创建模型范例

假设头脑中的模型如下图所示： 模型结构图
用函数式API创建模型的代码：

import tensorflow as tf 
from tensorflow.keras import layers
from tensorflow import keras 

# 创建层，将上一层传递进当前层
input = keras.Input(shape=(784,))
dense = layers.Dense(64,activation='relu')
x1 = dense(input)
x2 = layers.Dense(32, activation='relu')(x1)
output = layers.Dense(10)(x2)

# 通过输入，输出创建模型
model = keras.Model(inputs=input, outputs=output, name="Alex_Model")

# 查看模型摘要
model.summary()

# 将模型绘制为计算图
keras.utils.plot_model(model,'alex_model.png',show_shapes=True, show_dtype=True)

从示意图和范例代码可以看出：图和代码几乎完全相同；在代码版本中，连接箭头由调用操作代替。

总结：“层计算图”是深度学习模型的直观心理图像，而函数式 API 是创建密切反映此图像的模型的方法。Layer 类是一个种抽象，封装了状态（layer的“权重”）和从输入到输出的转换（“call”，即层的前向传递）