TensorFlow 中如何使用 Keras 函数式 API 构建模型？

推荐答案

在 TensorFlow 中，使用 Keras 函数式 API 构建模型的步骤如下：

1. 导入必要的库：

   import tensorflow as tf
   from tensorflow.keras.layers import Input, Dense, Concatenate
   from tensorflow.keras.models import Model

2. 定义输入层：

   input1 = Input(shape=(64,))
   input2 = Input(shape=(128,))

3. 构建模型结构：

   x1 = Dense(32, activation='relu')(input1)
   x2 = Dense(64, activation='relu')(input2)
   merged = Concatenate()([x1, x2])
   output = Dense(10, activation='softmax')(merged)

4. 创建模型：

   model = Model(inputs=[input1, input2], outputs=output)

5. 编译模型：

   model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

6. 查看模型结构：

   model.summary()

本题详细解读

1. 导入必要的库

首先，我们需要导入 TensorFlow 和 Keras 中的相关模块。Input 用于定义输入层，Dense 是全连接层，Concatenate 用于合并多个层的输出，Model 用于创建模型。

2. 定义输入层

使用 Input 函数定义模型的输入层。shape 参数指定输入数据的形状。例如，input1 的形状为 (64,)，表示输入是一个 64 维的向量。

3. 构建模型结构

通过将层实例化并传递输入张量来构建模型结构。例如，x1 = Dense(32, activation='relu')(input1) 表示将 input1 传递给一个具有 32 个神经元和 ReLU 激活函数的全连接层。

4. 创建模型

使用 Model 类创建模型。inputs 参数指定模型的输入层，outputs 参数指定模型的输出层。

5. 编译模型

使用 compile 方法编译模型。optimizer 指定优化器，loss 指定损失函数，metrics 指定评估指标。

6. 查看模型结构

使用 summary 方法查看模型的结构，包括每一层的名称、输出形状和参数数量。

通过以上步骤，你可以使用 Keras 函数式 API 构建复杂的模型结构，适用于多输入、多输出或共享层的场景。