Keras函数式API，如多输入，多输出，类图模型等

一：引言

现阶段许多模型，如多输入模型，多输出模型，类图模型等等，当我们在调用Keras中的Sequential模型类是无法实现的，因此本文介绍函数式API（functional API）。

二：简介

使用函数式API可以直接操作张量，也可以把层当做函数来使用，接收张量并返回张量。

from keras import Input,layers
input_tensor=Input(shape=(32,))#一个张量
dense=layers.Dense(32,activation='relu') #一个层是一个函数
output_tensor=dense(input_tensor )#他可以在一个张量上调用一个层，返回一个张量

编写一个最简单的示例，展示两种方法：

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

seq_model=Sequential()
seq_model.add(layers.Dense(32,activation='relu',input_shape=(64,)))
seq_model.add(layers.Dense(32,activation='relu'))
seq_model.add(layers.Dense(10,activation='softmax'))

#函数式API
input_tensor=Input(shape=(64,))
x=layers.Dense(32,activation='relu')(input_tensor)
x=layers.Dense(32,activation='relu')(x)
output_tensor=layers.Dense(10,activation='softmax')(x)

model=Model(input_tensor,output_tensor)#model类将输入张量和输出张量转换为一个模型
model.summary()

 将Model对象实例化只用了一个输入张量和输出张量。Keras会在后台检索从input_tensor到output_tensor所包含的每一层，并将这些层组合成一个类图的数据结构，即一个Model。当然，这种方法有效的原因在于output_tensor是通过对input_tensor进行多次变换得到的。如果利用不相关的输入和输出来构建一个模型，那么会报错。

三：多输入模型