Kera的FunctionalAPI表现比Sequential更好

在Keras中，Sequential和Functional API都可以用来建立神经网络模型，但是Functional API更加灵活，可以处理更加复杂的模型结构，而且还能够方便地处理多输入和多输出情况。因此，Kera的Functional API在表现上要比Sequential更好。

下面是一个非常简单的使用Functional API建立模型的例子：

from keras.layers import Input, Dense
from keras.models import Model

inputs = Input(shape=(784,))
hidden1 = Dense(64, activation='relu')(inputs)
hidden2 = Dense(64, activation='relu')(hidden1)
outputs = Dense(10, activation='softmax')(hidden2)

model = Model(inputs=inputs, outputs=outputs)

在这个例子中，我们首先使用Input层定义了模型的输入形状，然后分别使用Dense层定义了两个隐藏层和一个输出层，最后通过Model函数将输入和输出连接起来，创建出了完整的模型。

可以看到，Functional API的使用方式非常直观和简单，而且能够灵活地拓展模型结构，因此更加适用于较为复杂的场景。