越来越火的tf.keras模型，这三种构建方式记住了，你就是大佬！！！

很多人会说，keras模型和tf.keras模型我到底选择那个模型呢？好纠结啊，但是，真的需要纠结吗？就像两个不同大美女在你面前叫你选择，你做如何选择呢？手动滑稽。>(个_个)<

以下总结了tf.keras模型的三种构建方式

1. 首先，最常用的就是使用tf.keras.Sequential按层顺序构建模型

代码示例：

或者使用以下方式

那么这种构建方式适用于什么场合呢？以及它的缺点呢？

（1）适用场合
对于顺序结构的模型（没有多个输入输出，也没有分支），优先使用Sequential方法构建。
（2）缺点
不能创建以下模型结构：
①共享层
②模型分支
③多个输入分支
④多个输出分支

2. Keras函数式API创建模型

代码示例：

适用场合：如果模型有多输入或者多输出，或者模型需要共享权重，或者模型具有分支连接、循环连接等非顺序结构，推荐使用函数式API进行创建。

3. Keras Model Subclassing方式

代码示例：

构造tf.keras.Model的子类来编写模型，需要覆写Model类中的__init__方法和call方法。
①__init__方法中定义我们要使用的层，这里可以使用Keras自带的层；
②call方法中实现模型的网络层。