Tensorflow 2.0 中模型构建的三种方式

序列

序列模型是layer-by-layer的，它是最简单的定义模型的方法，但是有几个不足：
• 不能够共享某一层
• 不能有多个分支
• 不能有多个输入
这种结构的经典网络比如有：Lenet5，AlexNet，VGGNet

#导入必备包
import tensorflow as tf

#开始定义模型
def shallownet_sequential(width,height,depth,classes):
	#channel last，用输入形状来初始化模型
	model = tf.keras.Sequential()
	inputshape=(height,width,depth)
	model.add(tf.keras.layers.Conv2D(32,(3,3),padding='same',input_shape=inputshape))
	model.add(tf.keras.layers.Activation("relu"))
	#softmax
	model.add(tf.keras.layers.Flatten())
	model.add(tf.keras.layers.Dense(classes))
	model.add(tf.keras.layers.Activation("softmax"))
	return model

model = shallownet_sequential(28,28,3,10)
model.summary()
inputs=tf.random.normal((4,28,28,3))
outputs = model(inputs)
print(outputs. Shape)

函数式

函数式API有更强的功能
• 定义更复杂的模型
• 支持多输入多输出
• 可以定义模型分支&