Keras模型
回到术语表什么是Keras模型?
Keras是一个高级的深度学习库，建立在Theano和Tensorflow．它是用Python编写的，提供了一种干净方便的方式来创建一系列深度学习模型。在开发和测试神经网络时，Keras已经成为使用最多的高级神经网络api之一。由于Keras高级API，现在为神经网络创建层以及设置复杂的架构都是轻而易举的事情。Keras模型由一个序列或一个独立的图组成。有几个完全可配置的模块，可以组合起来创建新模型。这些可配置的模块包括神经层、代价函数、优化器、初始化方案、退出、损失、激活函数和正则化方案。模块化带来的主要优点之一是，您可以轻松地将新特性作为单独的模块添加。因此，Keras非常灵活，非常适合创新研究。有两种方法可以开发Keras模型:顺序模型和函数模型。
顺序API模式
的顺序API模型是最简单的模型，它由一堆线性层组成，允许您针对大多数问题逐层配置模型。序贯模型使用起来非常简单，但是它的拓扑结构有一定的局限性。这种限制来自于这样一个事实，即您不能配置具有共享层的模型或具有多个输入或输出。功能的API
或者,功能的API非常适合创建需要扩展灵活性的复杂模型。它允许您定义模型，这些模型的特征层连接到的不仅仅是上一层和下一层。模型是通过创建层的实例并将它们直接成对地相互连接来定义的。实际上，使用这个模型，您可以将层连接到任何其他层。使用该模型可以创建复杂的网络，如暹罗网络、剩余网络、多输入/多输出模型、有向无环图(dag)以及具有共享层的模型。额外的资源
回到术语表
