在本章中，您将熟悉 Keras 函数式 API 的基础。您会用函数式积木搭建一个简单的函数式网络，将其拟合到数据上，并进行预测。

Keras 输入层与全连接层

输入层

全连接层

输出层

构建并编译模型

构建模型

编译模型

可视化模型

训练并评估模型

将模型拟合到锦标赛篮球数据

在测试集上评估模型

Keras 函数式 API

在本章中，您将构建使用类别嵌入来表示高基数数据的双输入网络，使用共享层来定义可复用的构建模块，并用合并层将多个输入汇聚为单一输出。完成本章后，您将掌握设计具有复杂数据流的神经网络所需的基础模块。

类别嵌入

定义球队查找

定义团队模型

共享层

定义两个输入

在同一模型中查询两个输入

合并层

使用共享层的输出层

使用两个输入和一个输出的模型

使用模型进行预测

将模型拟合到常规赛训练数据

在锦标赛测试数据上评估模型

双输入网络：使用类别嵌入、共享层与合并层

在本章中，您将把 2 输入模型扩展为 3 输入，并学习如何使用 Keras 的 summary 与 plot 函数来理解神经网络的参数与拓扑结构。到本章末，您将明白如何将 2 输入模型扩展到 3 输入及更高。

三输入模型

为主客场创建一个输入层

汇总与绘制模型

模型摘要

绘制模型

堆叠模型

将模型预测添加到锦标赛数据中

创建包含多列的输入层

训练模型

评估模型

多输入：3 个输入（及以上）

在本章中，您将构建具有多个输出的神经网络，可用于求解具有多个目标的回归问题。您还将构建一个同时解决回归与分类问题的模型。

双输出模型

简单的双输出模型

训练一个具有两个输出的模型

检查模型（I）

用于分类和回归的单一模型

一个模型同时用于分类与回归

编译并拟合模型

检查模型（II）

使用两个指标在新数据上评估

总结

多输出

Basketball models

Basketball data

本课程将向您展示如何使用灵活的 Keras 函数式 API 解决多种问题。您将从简单的多层全连接网络（也称为多层感知机）入手，然后逐步学习更复杂的架构。课程将讲解如何构建具有多个输入和单一输出的模型，以及如何在模型中共享层的权重。我们还将涵盖分类嵌入和多输出网络等高级主题。如果您曾想训练一个同时完成分类和回归任务的网络，那么本课程正适合您！

<h2>Keras 函数式 API</h2>
在本课程中，您将学习如何使用 Keras 函数式 API 解决复杂问题。 <br><br> 从介绍开始，你将构建简单的函数网络，将其拟合到数据，并进行预测。 您还将学习如何构建具有多个输入和单个输出的模型，并在层之间共享权重​.<br><br>
<h2>多输入网络</h2>随着学习的深入，探索使用类别嵌入、共享层和合并层构建双输入网络。 这些是设计具有复杂数据流的神经网络的基础构建模块。 <br><br> 它将这些概念扩展到具有三个或更多输入的模型，帮助您使用 Keras 的 summary 和 plot 函数理解神经网络的参数和拓扑结构​​.<br><br><h2>多输出网络</h2>在最后的交互式练习中，您将使用多输出网络，它们可以解决具有多个目标的回归问题，甚至能够同时处理回归和分类任务。 <br><br> 课程结束时，你将获得高级深度学习技术的实践经验，助力你作为数据科学家提升职业发展，包括使用多种指标在新数据上评估你的模型​. <br><br>

双输出模型

Create Your Free Account