【tensorflow2.0】函数式API

（1）准备工作

import tensorflow as tf
from tensorflow import keras
import matplotlib.pyplot as plt
%matplotlib inline

fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
#归一化
train_images = train_images /255.0
test_images = test_images /255.0

看一下train_images的形状，这个就是我们的输入形状：

train_images.shape

结果显示为(60000, 28, 28)，第一维为个数，图像的维数为28×28.

（2）首先建立输入
Sequential模型需要直接先建立一个模型，而对于函数API，需要哪一层，直接调用它就可以。

input = keras.Input(shape=(28, 28))

Input里面的参数输入的是图像的维数！并不是个数！！！

（3）然后调用函数
先调用一个扁平层：

x = keras.layers.Flatten()(input)

将 keras.layers.Flatten()整体看作一个函数。

再调用一个Dense层:

x = keras.layers.Dense(32, activation='relu')(x)

再调用一个Dropout层:

x = keras.layers.Dropout(0.5)(x)

再调用一个输出64的Dense层:

x = keras.layers.Dense(64, activation='relu')(x)

最后输出：

output = keras.layers.Dense(10, activation='softmax')(x)

（4）建立模型
建立好input和output之后，需要用Model(inputs=, outputs=)函数建立model。

model = keras.Model(inputs=input, outputs=output)

函数keras.Model(inputs=x1, outputs=x2)会自动建立从x1到x2的模型。