tensorflow中tf.keras.models.Sequential()用法

Sequential()方法是一个容器，描述了神经网络的网络结构，在Sequential()的输入参数中描述从输入层到输出层的网络结构

 

 

 

model = tf.keras.models.Sequential([网络结构])  #描述各层网络

网络结构举例：

拉直层：tf.keras.layers.Flatten() #拉直层可以变换张量的尺寸，把输入特征拉直为一维数组，是不含计算参数的层

全连接层：tf.keras.layers.Dense(神经元个数，

                                                      activation = "激活函数“，

                                                      kernel_regularizer = "正则化方式）

其中：activation可选 relu 、softmax、 sigmoid、 tanh等

           kernel_regularizer可选 tf.keras.regularizers.l1() 、tf.keras.regularizers.l2()

卷积层：tf.keras.layers.Conv2D(filter = 卷积核个数，

                                                   kernel_size = 卷积核尺寸，

                                                   strides = 卷积步长,

                                                   padding = ”valid“ or "same")

LSTM层：tf.keras.layers.LSTM()