大家好，昨天介紹了Sequential Model(序列模型)，把建立模型的方法簡略的了解了一下，然後就是今天的內容，還是決定要介紹Functional API，那接下來就進入今天的內容吧。

Functional API跟Sequential Model一樣是建立模型的方法，不過與Sequential不同的是，用Sequential Model方法建立的模型只能是單輸入單輸出的模型，而Functional API建立的模型更靈活，除了可以是單輸入單輸出外，還可以是多輸入單輸出、單輸入多輸出、多輸入多輸出的模型，能夠建立不同種類的模型，使得Functional API有更多的應用，今天會先介紹與Sequential Model一樣的單輸入單輸出模型的建立，也順便回憶昨天的內容，並且比較一下不同的地方。

首先一樣是要匯入套件：
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
再來是建立模型中的各個層：
Inputs = keras.Input(shape=(1000,))
h1 = layers.Dense(30)(inputs)
h2 = layers.Dense(25)(h1)
outputs = layers.Dense(10)(h2)
最後是建立模型：
model = keras.Model(inputs=inputs, outputs=outputs)
從建立模型裡的層到最後建立模型就可以看出與Sequential Model的不同，不過最後的結果是跟昨天建立的模型一樣的，第一層輸入層的輸入大小是1000的一維向量，第二、第三層是隱藏層，第四層是輸出層，最後再藉由keras.Model方法將各層連接起來建構成模型。使用這個方法可以明顯看出比Sequential Model更具有靈活性，也能夠用來完成多輸入或是多輸出的模型。

今天就先完成與昨天同樣的單輸入單輸出模型，明天就接著來介紹其他三種模型。