简单上手Sequential模型

序贯模型式多个网络层的线性堆叠。

    1. 通过向Sequential模型传递一个layer的list构造模型;

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


'''
参数说明：
Dense表示设置全连接层输入和输出，然后设置第一层中的激活函数为‘relu’;
同理第二层的输入式第一层的输出，因此只定义了输出和激活函数。
'''

model = Sequential([
    Dense(32, input_dim=784), 
    Activation('relu'),
    Dense(10), 
    Activation('softmax'), 
])

    2. 通过add()方法将layer一个个加入到模型中；

model.add(Dense(15))
model.add(Activation('relu'))

    3.指定输入数据的shape

    模型需要知道输入数据的shape，因此Sequential的第一层需要设置输入数据的shape，后面层只需要控制设置输出就ok了，输入能够根据前面的输出进行自适应匹配。

•  传递input_shape关键字给第一层（需要注意的式input_shape是一个tuple类型数据）;
• 如果输入指定规定大小的batch-size固定输入数据量，例如想固定输入数据为100的张量，数据张量的shape是(6,6)，那么只需要简单的设置batch_size = 100和input_s