Keras函数式API

• 优点：可以不同于sequential，能够有共享层以及多个输入输出

简单介绍Sequential

from keras.models import Sequential
from keras.layers import Dense

#构造
model = Sequential([Dense(2, input_shape(1, )), Dense(1)])
# or
model = Sequential()
model.add(Dense(2, input_shape(1,)))
model.add(Dense(1))

函数式API

**概念：**模型是通过创建层的实例(layer instances)并将它们直接相互连接成对来定义的，然后定义一个模型(model)来指定那些层是要作为这个模型的输入和输出。

• 输入

  需要一个Input层，并定义输入数据张量的维度的形状

  from keras.layers import Input
  
  input = Input(shape=(128,))
  

• 连接

  hidden = Dense(128)(input)
  output = Dense(64)(hidden)
  

• 创建模型

  model = Model(inputs=input, outputs=output)
  # 单输入
  input = Input(shape=(,), name='input')
  model = Model(inputs=input, outputs=output)
  # 多输入
  input_1 = Input(shape=(,), name='input_1')
  input_2 = Input(shape=(,), name='input_2')
  model = Model(inputs=[input_1, input_2], outputs=output)
  # 多输出
  model = Model(inputs=input, outputs=[output_1, output_2])
  

• 常用的各种层的罗列

  from keras.layers import Input,Dense,Flatten,Conv2D,MaxPool2D
  from keras.layers.recurrent import LSTM
  from keras.layers.wrappers import TimeDistributed
  
  Dense(num_cell,activation='relu',name='hidden')
  Conv2D(num_cell,kernel_size=4,activation='relu',name='conv')
  MaxPool2D(pool_size=(2,2),name='pool')
  LSTM(num_cell,name='lstm')
  TimeDistributed(Dense(num_cell,activation='softmax'),name='output')
  Flatten()
  

• 拼接

  from keras.layers.merge import concatenate
  
  concatenate([flat1,flat2])
  

• 可视化

  from keras.utils import plot_model
  
  plot_model(model,to_file='xxx.png')
  
  from IPython.display import Image
  # 秀出网络拓扑图
  Image('xxx.png')
  

• 打印网络结构

  model.summary()