keras-sequential/functional model（序贯式/函数式定义模型）

1. 定义模型架构

序贯式和函数式都可以定义模型架构，序贯式是层层叠加定义模型，函数式是通过input-middle_output1-middle_output2-…-output定义模型。一般两种方式可以互换。

• 序贯式：
  
  
• 函数式：
  

但是，对于inception network这种input-多个middle_output-output这种需要“分流”的情况，只能用函数式定义模型。

Note：

• Input(shape=())
  定义输入的dim
• keras.layers.concatenate([拼接对象], axis)
  concatenate函数拼接方式：对于三维ndarray即tensor，axis可能取值有：-3，-2，-1，0，1，2。对于input = （行数，列数，通道数）=（W, H, C），axis = -1， -2， -3对应着按倒数第一/二/三个dim即C/H/W拼接，axis = 0，1，2对应着按第一/二/三个dim即W/H/C拼接。
  按X拼接的意思是，X数不变。
  上图axis=1，按列拼接，列数不变。

2. 除定义模型架构这一步外，程序其他部分都一样

1）import

2）预处理数据
CNN应用于nlp数据，所以需要设#channel = 1 i.e. （60000，28，28）–> (60000，28，28，1）

3）定义模型架构

4）训练模型 & 用模型进行预测 （training & inference/prediction）

reference：
AIMOOC覃秉丰-keras项目实战课程：https://www.bilibili.com/video/BV1zk4y1y7aP?p=9