《python深度学习》学习笔记与代码实现（第七章：7.1：不用Sequential模型的解决方案）

python深度学习第七章----高级的深度学习最佳实践

7.1 不用Sequential模型的解决方案

Sequential模型的特点：

1.只有一种输入

例如，我们要同时处理文本数据（全连接层），图片数据（2D卷积层），就不能使用Sequential模型，我们就需要多模态输入，例如，我们的输入数据为元数据，文本描述，图片，来预测一个一个商品的价格，我们就可以将Dense模块，RNN模块，卷积神经网络模块结合起来

2.一种输出

例如，给定一部小说，我们将要他归类，还要预测其写作时间，这时就要两个输出，一个输出用来判别其类别，另一种输出来预测其写作时间

函数式API

from keras.models import Sequential,Model
from keras import layers
from keras import Input

# 之前学习过的Sequential模型
seq_model = Sequential()
seq_model.add(layers.Dense(32,activation = 'relu',input_shape = ((64,))))
seq_model.add(layers.Dense(32,activation = 'relu'))
seq_model.add(layers.Dense(10,activation = 'softmax'))
seq_model.summary()


# 对应的函数式API实现
input_tensor = Input(shape = (64,))
x = layers.Dense(32,activation = 'relu')(input_tensor)
x = layers.Dense(32,activation = 'relu')(x)
output_tensor = layers.Dense(10,activation = 'softmax')(x)

# 后台检索，从输入张量一直到输出张量，检索其每一层，检测输入张量，经过一系列变换，到达输出张量
model = Model(input_tensor,output_tensor)

model.summary()

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_4 (Dense)              (None, 32)                2080      
_________________________________________________________________
dense_5 (Dense)              (None, 32)                1056      
_________________________________________________________________
dense_6 (Dense)              (None, 10)                330       
=================================================================
Total params: 3,466
Trainable params: 3,466
Non-trainable params: 0
_________________________________________________________________
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         (None, 64)                0         
_________________________________________________________________
dense_7 (Dense)              (None, 32)                2080      
_________________________________________________________________
dense_8 (Dense)              (None, 32)                1056      
_________________________________________________________________
dense_9 (Dense)              (None, 10)                330       
=================================================================
Total params: 3,466
Trainable params: 3,466
Non-trainable params: 0
_________________________________________________________________

多输入模型

举例：一个问答问题，输入为一个问题和所有问题的文本数据集合，输出为一个回答

from keras.models import Model
from keras import layers
from keras import Input
import keras

text_vocabulary_size = 10000
question_vocabulary_size = 10000
answer_vocabulary_size = 500

# 第一个输入
text_input = Input(shape = (None,),dtype = 'int32',name = 'text')  #文本输入是一个长度可变的整数序列
embedded_text = layers.Embedding(text_vocabulary_size,64)(text_input)
encode_text = layers.LSTM(32)(embedded_text)

# 第二个输入
question_input = Input(shape = (None,),dtype = 'int32',name