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