Keras中layers.Dense()(input_layer)是何含义？该模型是否为Sequential模型？

(input_layer)的含义 #

这是Keras函数式API的标准写法：

• layers.Dense(100, activation="relu")会先创建一个配置好神经元数量、激活函数的全连接层实例，此时还没有绑定具体输入。
• Keras中的所有层对象都是可调用的，后缀的(input_layer)表示将输入张量input_layer传入这个全连接层，层内部完成线性变换、激活函数计算后返回输出张量，最终赋值给变量hidden_layer。

对应的等价分步写法：

# 实例化全连接层
dense_layer = layers.Dense(100, activation="relu")
# 传入输入张量，得到隐藏层输出
hidden_layer = dense_layer(input_layer)

该方式构建的是否为Sequential模型 #

不是Sequential（顺序）模型。

• 示例代码使用的是Keras 函数式API（Functional API）：通过显式给层传入输入张量得到输出张量，最终调用models.Model()并指定整体的输入、输出张量完成模型构建。
• Sequential是Keras提供的线性层堆叠容器，仅支持单输入单输出的直线型网络，需要通过.add()方法逐层添加网络层，和示例的构建逻辑完全不同。
• 即使本例的网络拓扑本身是线性串联的，只要采用上述显式传递张量的写法，就属于函数式模型。函数式API灵活性更强，可支持多输入多输出、残差连接、层共享等复杂网络结构。

内容的提问来源于stack exchange，提问作者Pearl