Tensorflow函数式API的使用

在我们使用tensorflow时，如果不能使用函数式api进行编程，那么一些复杂的神经网络结构就不会实现出来，只能使用简单的单向模型进行一层一层地堆叠。如果稍微复杂一点，遇到了Resnet这种带有残差模块的神经网络，那么用简单的神经网络堆叠的方式则不可能把这种网络堆叠出来。下面我们来使用函数式API来编写一个简单的全连接神经网络：
首先导包：

from tensorflow import keras
import tensorflow as tf
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

导入图片数据集：mnist

(train_image,train_label),(test_image,test_label)=tf.keras.datasets.fashion_mnist.load_data()

归一化：

train_image=train_image/255
test_image=test_image/255#进行数据的归一化，加快计算的进程

搭建全连接神经网络：

input=keras.Input(shape=(28,28))
x=keras.layers.Flatten()(input)#调用input
x=keras.layers.Dense(32,activation="relu")(x)
x=keras.layers.Dropout(0.5)(x)#一层一层的进行调用上一层的结果
output=keras.layers.Dense(10,activation="softmax")(x)
model=keras.Model(inputs=input,outputs=output)
model.summary()

输出：

Model: "model"
_________________________________________________________________
Layer (type)