टेंसरफ्लो/केरस में Sequential मॉडल कब उपयोग करें: उदाहरण सहित

Sequential मॉडल के उपयुक्त उपयोग मामले

• साधारण लेयर स्टैक (एक इनपुट, एक आउटपुट प्रति लेयर)।
• कोई लेयर शेयरिंग नहीं।
• कोई बहु-इनपुट/बहु-आउटपुट नहीं।
• कोई गैर-रैखिक टोपोलॉजी (Residual, Inception, आदि) नहीं।

उदाहरण: तीन लेयर्स वाला Sequential मॉडल परिभाषित करना

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

print("तीन लेयर्स वाला Sequential मॉडल परिभाषित किया जा रहा है...")

model = keras.Sequential([
    layers.Dense(2, activation="relu", name="layer_1"),
    layers.Dense(3, activation="relu", name="layer_2"),
    layers.Dense(4, name="layer_3"),
])

print("मॉडल टेस्ट डेटा पर कॉल किया जा रहा है...")
x = tf.ones((2, 2))  # बैच=2, इनपुट=2
y = model(x)

print("लेयर्स:", model.layers)

आउटपुट

तीन लेयर्स वाला Sequential मॉडल परिभाषित किया जा रहा है...
मॉडल टेस्ट डेटा पर कॉल किया जा रहा है...
लेयर्स: [, , ]

चरण-दर-चरण व्याख्या

1. आयात: tensorflow, keras, layers।
2. मॉडल निर्माण: keras.Sequential([...]) में लेयर्स की सूची पास करें।
3. लेयर परिभाषा: प्रत्येक Dense में यूनिट्स, एक्टिवेशन, नाम।
4. फॉरवर्ड पास: model(x) कॉल करने से लेयर्स क्रमिक रूप से लागू होती हैं।
5. निरीक्षण: model.layers लेयर ऑब्जेक्ट्स की सूची देता है।

जब Sequential उपयोग न करें

Functional API तुलना

# Functional API (अधिक लचीला)
inputs = keras.Input(shape=(2,))
x = layers.Dense(2, activation="relu")(inputs)
x = layers.Dense(3, activation="relu")(x)
outputs = layers.Dense(4)(x)
model = keras.Model(inputs=inputs, outputs=outputs)