TensorFlow2中创建多层的tf.keras.Sequential函数的用法

线性堆叠的图层。

继承自：Model

用法：

tf.keras.Sequential
(
    layers=None,
    name=None
)

参数说明：

• layers - 要添加到model的层列表。

---

首先创建一个模型结构：

model = keras.Sequential()

建立一个最终输出维度为10的分类结果的全连接神经网络。使用.add()函数进行各个层的堆叠：

# Adds a densely-connected layer with 64 units to the model:
model.add(keras.layers.Dense(64, activation='relu'))
# Add another:
model.add(keras.layers.Dense(64, activation='relu'))
# Add a softmax layer with 10 output units:
model.add(keras.layers.Dense(10, activation='softmax'))

from tensorflow.keras import Sequential
from tensorflow.keras.layers import Dense

# 第一层可以接收一个“ input_shape”参数：
model = Sequential()
model.add(Dense(32, input_shape=(500,)))

# 然后，我们进行自动shape推断：
model.add(Dense(32))

import tensorflow as tf

x = tf.random.normal([2, 3])
model = tf.keras.Sequential([
        tf.keras.layers.Dense(2, activation = 'relu'),
        tf.keras.layers.Dense(2, activation = 'relu'),
        tf.keras.layers.Dense(2)
        ])

model.build(input_shape = [None, 3])

model.summary()  # 相当于一个print
# Model: "sequential_3"
# _________________________________________________________________
# Layer (type)                 Output Shape              Param #
# =================================================================
# dense_5 (Dense)              multiple                  8   ## 注：（keras为3*2） + （bias为2）
# _________________________________________________________________
# dense_6 (Dense)              multiple                  6
# _________________________________________________________________
# dense_7 (Dense)              multiple                  6
# =================================================================
# Total params: 20
# Trainable params: 20
# Non-trainable params: 0
# _________________________________________________________________

for p in model.trainable_variables:
    print(p.name, p.shape)
# dense_5/kernel:0 (3, 2)
# dense_5/bias:0 (2,)
# dense_6/kernel:0 (2, 2)
# dense_6/bias:0 (2,)
# dense_7/kernel:0 (2, 2)
# dense_7/bias:0 (2,)