- Sequentialモデルでは、一連の層を直列に積み重ねることで、ニューラルネットワークモデルを構築することができます。
- Functional APIを使用すると、ニューラルネットワークモデルを柔軟に構築でき、複数の入力、複数の出力、および分岐構造を持つモデルを定義できます。
- サブクラス化モデル：サブクラス化モデルを使用すると、tf.keras.Modelクラスを継承して、ニューラルネットワークモデルをカスタマイズできます。callメソッドで順伝播プロセスを定義できます。
- Estimatorモデルを使用すると、大規模データセットや分散環境に最適で、モデルのトレーニング、評価、予測がより簡単に行えます。
- SavedModelは、モデルの構築を保存と読み込みによって行うことができます。モデルを保存するにはtf.saved_model.save()、読み込むにはtf.saved_model.load()メソッドを使用します。
- keras.Sequential: tf.keras.Sequential()メソッドを使用して、Sequentialモデルを構築できます。
- KerasのModel：tf.keras.Model()メソッドを使うと、より柔軟なモデルを構築でき、複数の入力や出力、そして分岐構造のモデルを定義できます。
- カスタムレイヤー：モデルにカスタムレイヤーを追加することで、特定の要件を満たすことができます。