3、深度学习网络模型构建与数据处理全解析

深度学习网络模型构建与数据处理全解析

一、Keras 函数式 API 构建网络模型

Keras 函数式 API 是一种通过层的有向无环图来构建网络模型的方法。使用 Keras 函数式 API 定义网络模型通常有三个步骤：
1. 定义输入 ：与顺序模型不同，需要先定义具有特定输入数据大小的输入层。
2. 连接层 ：通过在声明新层时指定其输入来源来完成。
3. 创建模型 ：在所有层都声明并连接后，需要指定模型的输入和输出以完成模型创建。

Keras 函数式 API 在创建复杂模型方面非常灵活，尤其适用于具有多个输入、多个输出或多个输入和输出的模型，可用于目标检测、图像分割、生成对抗网络等高级应用。

以下介绍如何使用 Keras 函数式 API 构建四种不同类型的网络模型：
1. 单输入单输出模型
- 示例 ：一个模型的输入大小为 28×28，将其展平为 784 的一维向量，有两个名为 “hidden1” 和 “hidden2” 的隐藏层，使用 ReLU 激活函数，以及一个名为 “Output” 的输出层，使用 softmax 激活函数进行分类。
- 代码实现 ：

input = keras.Input(shape=(784,), name='Input') 
h1 = layers.Dense(64, activatio