python《深度学习》keras基本理解

一、Sequential()

from keras import models#构架模型
from keras import layers#神经网络层
from keras.datasets import imdb
#其中imdb是电影评论数据集，但是被处理过，	已被编码过了，所以只有index,而没有实际内容，需要进行转化

model = models.Sequential()#网络结构决定了假设空间，这是线性堆叠方式

线性堆叠方式也即序贯模型是神经网络的构架，即神经网络的层与层之间是怎么连接的。
Sequential()是按照线性方式，可以理解为流水线作业方式。结合这个可视化网站理解: 神经网络游乐场.

这是一个输入到输出的整个过程实现线状的流动过程，上层处理完毕交给下层继续处理。
要叠多少层就直接用model.add即可

二、层与神经元

model.add(layers.Dense(32,input_shape=(784,)))#32是维度即输出多少个结果即神经	网络的层数即次数，input_shape是输入数据的大小，一次多少样本数量不在这里！！而是batch_size
model.add(layers.Dense(32))

Dense为keras的一个神经网络层，层就相当于一个环节，想象为流水线作业，每一层就是一个流水线的环节，在可视化的图中可以表示为这一个圆圈整体涵盖的所有

这是一个神经元的三层

这是两个神经元的三层结构

其中dense是全连接层，处理2d张量（向量），即呈现为
[[1,2,3],
[2,3,4],
[3,4,5]]
这样结构的数据，此外还有
3d张量用循环层lstm层；4d张量用二维卷积层（conv2d层）

而神经元就是model.add(layers.Dense(32,input_shape=(784,)))中32所决定的内容，32表示由32个神经元。
在可视化图中为一个个方框

这是三层，每层一个神经元

这是三层，每层两个神经元

神经元数量由Dense的第一个参数控制，可以自由选择
其中输入数据的格式在,input_shape中设置，,input_shape=(784,)可以看成是一个含有784个数值的列表