python - 在 Keras 中使用和不使用 Sequential() 构建模型有什么区别？

Question

我有 2 个 build_model 函数，如下所示:

def build_model01():
    X_input = Input(shape=(784,))
    Y = Dense(1, activation='sigmoid')(X_input)
    model = Model(inputs = X_input, outputs = Y, name='build_model')
    return model

def build_model02():
    model = Sequential()
    model.add(Dense(input_dim=784,units=1,activation='sigmoid'))
    return model

build_model01 和 build_model02 之间有什么区别？它们实际上是一样的吗？这些差异会影响其他层吗？

Answer 1

实际上，使用函数式 API 创建的模型(即 build_model01)和作为顺序模型创建的相同模型(即 build_model02)没有区别。您可以通过检查 Sequential 类 source code 来进一步确认这一点。 ;如您所见，它是 Model 类的子类。当然是Keras函数式APIgives you more flexibility它允许您创建具有复杂架构的模型(例如具有多个输入/输出或多个分支的模型)。