大家好，就如同昨天說的，今天要從TensorFlow裡可以使用的API來認識程式，而今天要先介紹的就是之前有提到過的Keras，在談TensorFlow 2.0的改動時就有說到加強了與Keras，可以直接用tf.keras來使用Keras提供的方法，接著就來看一下tf.keras要如何使用。

首先是Sequential model(序列模型)的搭建，建立模型的程式如下：
先匯入套件：
import tensorflow as tf
from tensorflow.keras import layers
再來建立序列模型：
model=tf.keras.Sequential([layers.Dense(20,input_shape=(1000,)),
layers.Dense(30),
layers.Dense(25),
layers.Dense(10)])
上面這個就算是建立了一個簡單的序列模型，當然在layers.dense的方法中還有很多參數，不過現在我就先將那部分省略，先依最基本的幾個參數來做介紹，現在建構的模型包含四層，該模型必須是單個輸入層和單個輸出層，以上面這個模型為例，第一層為輸入層，第二、三層為隱藏層，最後一層為輸出層。輸入層的函數多了input_shape，input_shape是用來定義輸入大小，以我現在的例子就是定義輸入為1000的一維向量，而每一層都有的數值是units，是用來定義該層輸出的大小，最後一層的units=10就代表模型的輸出為10的一維向量。

今天就先簡單介紹了序列模型的建立，明天可能會深入介紹序列模型，或是另一種建立模型的方法Functional API。