tf.keras.model 和 tf.keras.sequential 有什么區別？

Question

在一些tf. keras tf. keras教程，我見過他們像這樣實例化他們的 model class ：

model = tf.keras.Sequential()

雖然在某些地方，他們使用這樣的東西：

model = tf.keras.Model(inputs=input, outputs=output)

但是在文檔中看到這里，它們看起來確實是一樣的，但我不確定也沒有明確提及。 兩者有什么區別？

Answer 1

tf中有兩個class API來定義一個model tf. keras tf. keras 。 根據文檔

• Sequential class ：順序將層的線性堆棧組合成一個tf. keras.Model tf. keras.Model 。

• Model class : Model組的層到一個 ZA8CFDE6331BD59EB2AC96F8911C46 訓練的層。

---

Sequential model 是 model 的最簡單類型，是層的線性堆疊。 但是使用sequential model API 存在一些缺陷，它在某些方面受到限制。 我們無法使用此 API 構建復雜的網絡，例如多輸入或多輸出網絡。

But using Model class , we can instantiate a Model with the Functional API (and also with Subclassing the Model class ) that allows us to create arbitrary graphs of layers. 由此，我們可以獲得更大的靈活性並輕松定義模型，其中每一層不僅可以連接上一層和下一層，還可以與 model 中的其他層共享特征信息，例如，類似模型的ResNet 、 EfficientNet 。

事實上，你可以從tf.keras.applications獲得的大部分 SOTA model 基本上都是使用Functional API實現的。 然而，在子類化 API 時，我們在__init__中定義我們的層，並在call方法中實現模型的前向傳遞。

Generally speaking, all the model definitions using Sequential API, can be achieved in Functional API or Model Subclassing API. 在功能 API 或 Model 子類化 API 中，我們可以創建在順序 ZDB9744238714ACE8 中無法實現的復雜層。 如果您想知道選擇哪一個，答案是，這完全取決於您的需要。 但是，請查看以下博客文章，我們在其中討論了tf. keras tf. keras有更多示例。 Model TensorFlow 中從零開始的子分類和自定義訓練循環 2

Answer 2

這是因為它們來自不同版本的 tensorflow。 根據文檔（TensorFlow 2.0）， tf.keras.Sequential是調用 function 的最新方式。 如果您查看文檔 go，然后單擊“查看別名”，您可以看到舊版本 Tensorflow 中使用的不同別名，用於該 function。