神经网络的学习（1）——使用 Keras 开发

一、典型的Keras 工作流程

1. 定义训练数据：输入张量和目标张量。
2. 定义层组成的网络（或模型），将输入映射到目标。
3. 配置学习过程：选择损失函数、优化器和需要监控的指标。
4. 调用模型的 fit 方法在训练数据上进行迭代。

定义模型有两种方法:

一种是使用 Sequential 类（仅用于层的线性堆叠，这是目前最常 见的网络架构）
另一种是函数式 API（functional API，用于层组成的有向无环图，让你可以构 建任意形式的架构）。

二、关于 layers.Dense()的用法

dense ：全连接层 相当于添加一个层

tf.layers.dense(
    inputs,
    units,
    activation=None,
    use_bias=True,
    kernel_initializer=None,
    bias_initializer=tf.zeros_initializer(),
    kernel_regularizer=None,
    bias_regularizer=None,
    activity_regularizer=None,
    kernel_constraint=None,
    bias_constraint=None,
    trainable=True,
    name=None,
    reuse=None
)

inputs: 该层的输入
units: 输出的大小（维数），整数或long
activation: 使用什么激活函数（神经网络的非线性层），默认为None，不使用激活函数
use_bias: 使用bias为True（默认使用），不用bias改成False即可