Python 隐藏层=层。密集（100，激活=“relu”）层（输入层）做什么？

我从中看到了以下几点：

（输入层）

是什么意思

背景是：

def create_model_architecture(input_size):

    # create input layer 
    input_layer = layers.Input((input_size, ), sparse=True)
    
    # create hidden layer
    hidden_layer = layers.Dense(100, activation="relu")(input_layer)
    
    # create output layer
    output_layer = layers.Dense(1, activation="sigmoid")(hidden_layer)

    classifier = models.Model(inputs = input_layer, outputs = output_layer)
    classifier.compile(optimizer=optimizers.Adam(), loss='binary_crossentropy')
    return classifier 

---

还有-这是一个顺序模型吗？

请看输入层只不过是您需要输入多少个神经元或节点。假设我的数据集中有3个特征，那么我将在输入层中有3个神经元。是的，它是顺序模型。

您需要定义输入层，因此当您使用

models.model（）编译模型时，您可以指定它。不，它使用了函数式API。@SoheilStar函数式API在这种情况下是什么意思？请使用一种叫做“搜索引擎”的奇妙技术：这个确切的问题以前被问过很多次。我想我被语法搞糊涂了-为什么有两组括号-（）（）-层后。密集？请指定行号。请指定行号。编辑：-正如您可以看到的层之前的行。在第二个括号中，我们指定了层之前的层。为什么在中未提到此语法用法？如何使用
model.add（）
创建一个做同样事情的模型？是的，您可以。
def create_model_architecture(input_size):

    # create input layer 
    input_layer = layers.Input((input_size, ), sparse=True)
    
    # create hidden layer
    hidden_layer = layers.Dense(100, activation="relu")(input_layer)
    
    # create output layer
    output_layer = layers.Dense(1, activation="sigmoid")(hidden_layer)

    classifier = models.Model(inputs = input_layer, outputs = output_layer)
    classifier.compile(optimizer=optimizers.Adam(), loss='binary_crossentropy')
    return classifier