Keras的顺序模型

什么是Keras的顺序模型(Sequential Model)?

• 由神经网络层顺序堆叠而成，不能存在分支
• 每个神经网络层只有一个输入和一个输出
• 神经网络层不能做图层共享(layer sharing)

在创建Keras的层，若没有指定Keras.Input，则在创建层时，不会有权重，因为还不知道输入的形状。例如：

layer = layers.Dense(3)
print(layer.weights)

[ ]

一旦确认了输入的形状，Keras的层的权重会得到初始化，例如：

layer = layers.Dense(3)
print(layer.weights) #未知张量形状
x = tf.ones((1,3))
y = layer(x)
print(layer.weights) # 已知输入张量形状

[<tf.Variable 'dense/kernel:0' shape=(3, 3) dtype=float32, numpy=
array([[-0.95832396, 0.8678112 , 0.4540038 ],
[-0.24604774, -0.6049447 , 0.29405165],
[-0.9163108 , 0.4071493 , -0.80502915]], dtype=float32)>, <tf.Variable 'dense/bias:0' shape=(3,) dtype=float32, numpy=array([0., 0., 0.], dtype=float32)>]

keras模型的权重，也是在第一次能确认输入张量形状时，才创建。一旦模型创建，便可以调用model.summary()来获得模型结构的描述性输出