Python 如何在tf.keras.Sequential（）中调用网络？

如果我使用pytorch，我可以使用[index]循环层：

layers = nn.ModuleList()
q = nn.ModuleList()
for _ in range(10):
        layers.append(attn)
        q.append(nn.Linear(dim1, dim2))
list = []
for index, layer in enumerate(self.layers):
        Q = q[index](inputTensor)
        list.append(layer(attn))

所以，当我们使用tensorflow时，我们还能像pytorch一样使用索引吗

layers = tf.keras.Sequential()
q = tf.keras.Sequential()
for _ in range(10):
        layers.add(attn)
        q.add(Dense(dim2))
list = []
for index, layer in enumerate(layers):
        Q = layer[index](inputTensor)
        list.add(layer(att))

是-有可能：

model = tf.keras.Sequential([ 
  tf.keras.layers.Dense(128), 
  tf.keras.layers.Dense(1) ])

for layer in model.layers:
        Q = layer

---

谢谢你的回答！我稍微改变了问题，添加了另一个列表进行比较，以便更好地理解。我的方法有效吗？@Rhiannony是的，你可以索引，它不是PyTorch或TensorFlow功能，它适用于任何你可以在

for循环中运行的东西

@Muyide-Ibukun谢谢！所以我们可以使用索引来获取Sequential（）中的某个网络，对吗？