Keras API

Keras功能API是定义复杂模型的一个途径，例如多输出模型、有向非循环图，具有共性层的模型。
示例一： fully connected network
Sequential 模型可能是一个更好的选择来实现一个这样的网络，但是从简单的开始更有帮助；
一个层实例是可调用的，它返回一个向量；
输入向量和输出向量能够用来定义一个模型；
如此的模型能够被训练，就像Keras模型似的；

from keras.layers import Input, Dense
from keras.models import Model

# this returns a tensor
inputs = Input(shape=(784,))

# a layer instance is callable on a tensor, and returns a tensor
x = Dense(64, activation='relu')(inputs)
x = Dense(64, activation='relu')(x)
predictions = Dense(10, activation='softmax')(x)

# this creates a model that includes
# the Input layer and three Dense layers
model = Model(input=inputs, output=predictions)
model.compile(optimizer='rmsprop',
              loss='categorical_crossentropy',
              metrics=['accuracy'])
model.fit(data, labels)  # starts training

所有的模型都是可调用的，就像层实例一样；
关于功能API，重用被训练的模型是简单的：你能够把任何模型视为一个层，使用一个向量来调用它。值得注意的是调用一个模型不仅仅复用这个模型的架构&