极客教程用Python在Tensorflow中构建顺序模型（稠密层）的解释
Tensorflow是由谷歌提供的机器学习框架，是一个开源框架，可与Python搭配使用来实现算法、深度学习应用等。它被用于研究和生产目的。
tensorflow软件包可以使用下面的代码在Windows上安装：
pip install tensorflow
层API是Keras API的一部分。Keras在希腊语中的意思是“角”。Keras作为ONEIROS（开放式神经电子智能机器人操作系统）项目的一部分而开发。Keras是一个深度学习API，用Python编写。它是一个高级API，具有有助于解决机器学习问题的生产力接口。它运行在Tensorflow框架之上。它被构建为帮助快速实验。它提供了必要的抽象和构建块，这些在开发和封装机器学习解决方案时是必不可少的。它是高度可扩展的，并带有跨平台能力。这意味着Keras可以在TPU或GPU集群上运行。Keras模型也可以导出为在Web浏览器或移动电话上运行。
Keras已经包含在Tensorflow包中。可以使用下面的代码访问它：
import tensorflow
from tensorflow import keras
我们使用Google Colaboratory来运行下面的代码。Google Colab或Colaboratory可以在浏览器上运行Python代码，并且不需要配置，可以免费访问GPU（图形处理器单元）。Colaboratory是基于Jupyter Notebook构建的。
以下是创建稠密层的代码：
更多Python相关文章，请阅读：Python 教程
示例
print("正在创建三个稠密层")
layer1 = layers.Dense(2, activation="relu", name="layer_1")
layer2 = layers.Dense(3, activation="relu", name="layer_2")
layer3 = layers.Dense(4, name="layer_3")
print("正在测试模型")
x = tf.ones((4, 4))
y = layer3(layer2(layer1(x)))
代码来源：
https://www.tensorflow.org/guide/keras/sequential_model
输出
正在创建三个稠密层
正在测试模型
层如下：
[<tensorflow.python.keras.layers.core.Dense object at 0x7fe921aaf7b8>, <tensorflow.python.keras.layers.core.Dense object at 0x7fe921a6d898>, <tensorflow.python.keras.layers.core.Dense object at 0x7fe921a6dc18>]
解释
-
这是使用Python和向其中添加层的方法在Keras中创建顺序模型的另一种方法。
-
每个图层都通过调用它的“layers.Dense”方法明确地创建。
-
通过将这些构造函数的列表传递给此构造函数来创建顺序模型。
-
“层”属性可用于了解模型中的图层的更多细节。
-
添加了图层后，将数据显示在控制台上。