Sequential模型和Function API模型_functionapi-优快云博客

本文链接：https://blog.youkuaiyun.com/qq_52832321/article/details/136431332

本文介绍了Keras库中顺序模型（Sequential）和FunctionalAPI在构建CIFAR10图像分类CNN模型中的应用，展示了如何使用这两种方式创建包含卷积层、池化层和全连接层的网络结构。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在Keras中，主要有两种类型的模型：

顺序模型（Sequential）：顺序模型是线性堆叠的模型，即各层之间是依次顺序的线性关系。模型的结构通过一个列表来定义，这种模型适用于简单的体系结构。

如下代码是实现CIFAR10数据集分类任务的CNN模型的构建，使用的是tensorflow2.10 keras中的Sequential模型

model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3),strides=(1,1),padding='same', activation='relu', input_shape=(32, 32, 3)))
model.add(tf.keras.layers.Dropout(0.5))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(tf.keras.layers.Dropout(0.5))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
# 全连接层
model.add(layers.Flatten())
model.add(layers.Dense(64, activation='relu'))   # 全连接网络层 64个神经元
# model.add(layers.Dense(10))    # 输出层 这里没使用激活函数softmax 所有配置模型时 from_logits = True
model.add(layers.Dense(10,activation=