> //20201101

> 寫在前面：最近在過tensorflow和keras的基礎，今天學到了keras兩種建立網路模型的區別，在此記錄一下

### 1.sequential序列建立網路模型

- 使用sequential建立網路模型，只能順序建立，也就是說，網路是線性傳播的，不能有共享輸入或者共享輸出

- 使用sequential建立網路模型有兩種方法

　　- 使用add()方法將所需的網路層一層一層累加進去

　　- 直接在sequential方法中傳入列表格式資料（其中包含所需要建立網路的架構）

#### 原始碼例項如下

- 第一種方法

from keras.models import
 
 Sequential
from keras.layers import Dense

# 構建模型
model = Sequential()
model.add(Dense(2, input_shape=(1,)))
model.add(Dense(1))

- 第二種方法

model = Sequential([
   Dense(2,input_shape = (1,))
   Dense(1)    
])

> ps：然後呼叫compile()編譯網路，呼叫fit()訓練網路

### 2.使用functional api建立網路

- functional api建立網路時允許網路中有分支路線與匯合結點（使用concatenate方法）

- 具體程式碼示例如下

mnist_input = keras.layers.Input(shape=(28*28,1),name = 'input')
    lstm1 = keras.layers.LSTM(128,name = 'lstm1')(mnist_input)

    interp21 = keras.layers.Dense(64,activation='relu',name='interp21')(lstm1)
    interp22 = keras.layers.Dense(32,activation='relu',name='interp22')(interp21)
    interp23 
 
= keras.layers.Dense(16,activation='relu',name='interp23')(interp22)

    interp11 = keras.layers.Dense(10,activation='relu',name='interp11')(lstm1)

    merge = keras.layers.concatenate([interp23,interp11],name='merge')

    output = keras.layers.Dense(10,activation='softmax',name='output')(merge)

    model = keras.models.Model(inputs=mnist_input,outputs=output)

    print(model.summary())
    return model

- 網路拓撲影象為：

#### 以上

#### 希望對大家有所幫助