Sequential()方法是一個容器，描述了神經網路的網路結構，在Sequential()的輸入引數中描述從輸入層到輸出層的網路結構

model = tf.keras.models.Sequential([網路結構]) #描述各層網路

網路結構舉例：

拉直層：tf.keras.layers.Flatten() #拉直層可以變換張量的尺寸，把輸入特徵拉直為一維陣列，是不含計算引數的層

全連線層：tf.keras.layers.Dense(神經元個數，

                                                      activation = "
 
啟用函式“，

                                                      kernel_regularizer = "正則化方式）

其中：activation可選 relu 、softmax、 sigmoid、 tanh等

           kernel_regularizer可選 tf.keras.regularizers.l1() 、tf.keras.regularizers.l2()

卷積層：tf.keras.layers.Conv2D(filter = 卷積核個數，

                                                   kernel_size 
 
= 卷積核尺寸，

                                                   strides = 卷積步長,

                                                   padding = ”valid“ or "same")

LSTM層：tf.keras.layers.LSTM()