TensorFlow2 Python深度学习 - 函数式API（Functional API）

锋哥原创的TensorFlow2 Python深度学习视频教程：

https://www.bilibili.com/video/BV1X5xVz6E4w/

课程介绍

本课程主要讲解基于TensorFlow2的Python深度学习知识，包括深度学习概述，TensorFlow2框架入门知识，以及卷积神经网络（CNN），循环神经网络（RNN），生成对抗网络（GAN），模型保存与加载等。

TensorFlow2 Python深度学习 - 函数式API（Functional API）

TensorFlow 2.x 的函数式 API 允许用户以更灵活和可扩展的方式构建模型，相比于顺序模型，它能处理更复杂的结构，尤其是当你需要多个输入或输出，或者需要共享层时。

1. 函数式 API 简介

在 TensorFlow 2.x 中，函数式 API 是通过 tf.keras.Model 和 tf.keras.layers.Layer 类来实现的。它允许你定义非线性模型的多个输入和输出，不同于 Sequential API，它是层的线性堆叠。

2. 主要特点：

多个输入输出：适用于多个输入、多个输出的模型。
共享层：不同的模型部分可以共享相同的层。
动态结构：能够创建复杂的模型结构，如跳跃连接、残差网络（ResNet）等。

3. 函数式 API 基本用法

3.1 示例代码：单一输入单一输出

复制代码

import tensorflow as tf
from keras import Input, layers, models

# 输入层
inputs = Input(shape=(32,))

# 一个全连接层
x = layers.Dense(64, activation='relu')(inputs)

# 输出层
outputs = layers.Dense(10, activation='softmax')(x)

# 创建模型
model = models.Model(inputs=inputs, outputs=outputs)

# 查看模型结构
model.summary()

3.2 示例代码：多个输入输出

假设你有一个模型，它接收两个输入，并输出两个结果。

复制代码

import tensorflow as tf
from keras import Input, layers, models

# 输入层1
input1 = tf.keras.Input(shape=(32,))
# 输入层2
input2 = tf.keras.Input(shape=(64,))

# 分别通过不同的全连接层
x1 = layers.Dense(64, activation='relu')(input1)
x2 = layers.Dense(64, activation='relu')(input2)

# 将两个中间层拼接
x = layers.concatenate([x1, x2])

# 输出层1
output1 = layers.Dense(10, activation='softmax')(x)
# 输出层2
output2 = layers.Dense(1, activation='sigmoid')(x)

# 创建模型
model = models.Model(inputs=[input1, input2], outputs=[output1, output2])

# 查看模型结构
model.summary()

4. 总结

TensorFlow 2.x 的函数式 API 提供了灵活的模型定义方式，可以处理更复杂的网络结构。
与 Sequential API 相比，函数式 API 允许处理多个输入和输出，适用于更加复杂的应用场景（如共享层、跳跃连接等）。
通过 tf.keras.Input 定义输入，通过层的函数调用将数据传递给后续层，最后通过 models.Model 构建整个模型。