使用 Keras 函数式 API 可以完成哪些使用 keras 顺序模型无法完成的额外工作？ 除了可以使用“TimeDistributed”层包装器将简单模型重用于时基数据之外？
最佳答案
它不仅仅是模型重用，功能性 API 允许您轻松定义模型，其中层连接的不仅仅是上一层和下一层。您可以根据需要将层连接到任何其他层，因此孪生网络、密集连接网络等成为可能。旧的 Graph API 允许相同级别的连接，但它是 PITA，因为它使用层节点名称来定义连接。
顺序模型只是一组顺序层，此时新的神经网络架构正在远离这种模式。
关于python - Keras 函数式 API 有什么特别之处？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/41441638/
相关文章：
python - UnicodeEncodeError : 'ascii' codec can't encode character [. ..]
java - Tflite 模型在 Android(ml 视觉)和 Python 中提供不同的输出
machine-learning - 变量共享 tensorflow
tensorflow - 我应该在 inception_v3.py keras 中减去 imagenet 预训练的 inception v3 模型平均值吗？
neural-network - 如何正确添加和使用BatchNormLayer？
python - 在python中将分隔字符串转换为分层JSON
python - Docker Python 脚本找不到文件
python - 在 `tf.estimator` 中，如何在训练结束时(不是每次迭代时)将变量设置为 `tf.assign` ？