Keras实践第二期：函数式API：另一种灵活的编程模型

1. 简单回顾：

本次我们介绍了一个基本的线性神经网络模型，并演示了使用Keras构建神经网络的过程。为了更好地理解这一过程，请您参考附带的代码进行简单回顾。

    from keras.models import Sequential
    model = Sequential()
    
    from keras.layers import Dense
    model.add(Dense(units=4,activation='relu',input_dim=100))
    model.add(Dense(units=5,activation='softmax'))
    
    
    AI写代码python
    
    运行

通过这几行简单的代码，我们创建了一个两层的神经网络，其结构为

输入层 - Dense 4,relu,100

输出层 - Dense 5,softmax

在这个模型中，仅有的两个层被线性的串联在了一起，非常简单直观。

2. 我们为什么需要函数式API？

在了解了上一期介绍的线性规划方法之后，我们可能会探索如何构建一些复杂的、不是简单串联关系的模型。例如，在尝试设计一个具有如下结构特征的神经网络模型时，线性规划方法就无法满足需求。

main_input