【问题标题】:What are the differences between building a model with and without using Sequential() in Keras?在 Keras 中使用和不使用 Sequential() 构建模型有什么区别?
【发布时间】:2019-01-29 01:21:48
【问题描述】:

我有 2 个build_model 函数如下:

def build_model01():
    X_input = Input(shape=(784,))
    Y = Dense(1, activation='sigmoid')(X_input)
    model = Model(inputs = X_input, outputs = Y, name='build_model')
    return model

def build_model02():
    model = Sequential()
    model.add(Dense(input_dim=784,units=1,activation='sigmoid'))
    return model

build_model01 和 build_model02 有什么区别?它们实际上是一样的吗?差异会影响其他层吗?

【问题讨论】:

    标签: python machine-learning keras deep-learning


    【解决方案1】:

    实际上,使用功能 API 创建的模型(即build_model01)与作为顺序模型创建的相同模型(即build_model02)之间没有区别。您可以通过检查Sequential 类source code 来进一步确认这一点;如您所见,它是Model 类的子类。当然,Keras 函数式 API gives you more flexibility 可以让您创建具有复杂架构的模型(例如具有多个输入/输出或多个分支的模型)。

    【讨论】:

    • @H42 没错。由于使用功能 API 创建的模型与顺序模型不同,可能具有多个输出,每个输出具有不同的输出配置,it does not make sense 具有 predict_classes 或 predict_proba 方法。作为替代方案,您可以使用answer 中建议的解决方案。
    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 2018-02-28
    • 1970-01-01
    • 1970-01-01
    • 2011-03-02
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多