在 Python 中，Sequential() 通常指的是 Keras（TensorFlow 的高级 API）中的一个模型构建类，它用于创建顺序模型（Sequential Model），即层与层之间按顺序连接，没有分支或跳跃连接。
✅ 什么是 Sequential()？
keras.models.Sequential 是 Keras 提供的一种简单模型结构，适用于线性堆叠的网络结构，每一层只接收上一层的输出作为输入，并输出到下一层。
📌 基本用法示例
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
# 创建顺序模型
model = Sequential()
# 添加全连接层
model.add(Dense(64, activation='relu', input_shape=(10,))) # 输入层 + 隐藏层
model.add(Dense(32, activation='relu')) # 隐藏层
model.add(Dense(1, activation='sigmoid')) # 输出层
# 编译模型
model.compile(optimizer='adam',
loss='binary_crossentropy',
metrics=['accuracy'])
# 打印模型结构
model.summary()
🔍 特点
| 特点 | 说明 |
|---|---|
| ✅ 简单直观 | 适合初学者和简单任务 |
| ❌ 不支持复杂结构 | 如残差连接、多输入/多输出、共享层等 |
| 🧱 线性结构 | 每层只能有一个输入和一个输出 |
⚠️ 注意事项
-
如果需要使用更复杂的网络结构（如 ResNet、Inception、多输入模型等），应使用
函数式 API（Functional API）：
from tensorflow.keras import Model, layers inputs = layers.Input(shape=(10,)) x = layers.Dense(64, activation='relu')(inputs) outputs = layers.Dense(1, activation='sigmoid')(x) model = Model(inputs=inputs, outputs=outputs)
📚 常见应用场景
- 图像分类（简单 CNN）
- 文本分类（简单 LSTM/GRU）
- 回归问题
- 二分类 / 多分类任务
首发原创文章，作者：王坚，如若转载，请注明出处：https://idctop.com/python%e9%a1%ba%e5%ba%8f%e6%89%a7%e8%a1%8c%e4%bb%a3%e7%a0%81%e6%80%8e%e4%b9%88%e5%ae%9e%e7%8e%b0%ef%bc%9fpython-sequential%e6%89%a7%e8%a1%8c%e6%9c%ba%e5%88%b6%e8%af%a6%e8%a7%a3/
