Keras 中的 Sequential
模型是一种线性堆叠的模型 ,也就是说,它是一个层的线性堆叠,每个层只有一个输入张量和一个输出张量。你可以通过向 Sequential
模型传递一个层列表来构造该模型。
例如:
python
from keras.models import Sequential
from keras.layers import Dense
model = Sequential([
Dense(32, input_shape=(784,)),
Dense(10, activation='softmax')
])
在这个例子中,我们创建了一个 Sequential
模型,它包含两个 Dense
层(全连接层)。第一个层有 32 个神经元,并接受形状为 (784,) 的输入(这对应于 28x28 的图像数据)。第二个层有 10 个神经元,并使用 softmax 激活函数进行多分类。
尽管 Sequential
模型是线性的(在层堆叠方面),但它可以表示复杂的非线性模型 ,因为你可以在每个层中使用非线性激活函数(如 ReLU、sigmoid 或 softmax)。这些激活函数允许模型学习非线性关系,从而使其能够解决复杂的问题。