Functional API 形式で同じことを実現する方法をお教えください。(訂正版)

Question

前提

Python(Google Colabotatory)でこういった文字識別課題のプログラムを作りました。ご回答お急ぎでお願いいたします。

実現したいこと

このSequential Model 形式ではなく、Functional API 形式で、このプログラムと同じことを実現したいのですが、色々試してみても上手くいきません。Functional API 形式で同じことを実現する方法をお教えください。

発生している問題・エラーメッセージ

エラーメッセージ

該当のソースコード

from keras. datasets import mnist

datasets=mnist. load_data()
(x_train, y_train), (x_test, y_test)= datasets

x_train_flatten. shape


import keras
from keras.models import Sequential
from keras.layers import Dense, Activation

model=Sequential()

model.add(Dense(256,activation='relu',input_shape=(784,)))
model.add(Dense(64,activation='relu'))
model.add(Dense(2,activation='relu'))

model.add(Dense(64,activation='relu'))
model.add(Dense(256,activation='relu'))
model.add(Dense(784,activation='sigmoid'))

model.compile(loss='mse',optimizer="adam")
hist=model.fit(x_train_flatten, x_train_flatten, epochs=30,batch_size=100)

x_test_out=model.predict(x_test_flatten[:10,:])

from matplotlib import pyplot as plt

fig,axes = plt.subplots(2,10)
for i in range(10):
    img=x_test[i,:,:]
    axes[0][i].imshow(img)
    axes[0][i].axis('off')

    pred_img=x_test_out[i,:].reshape(28,28)
    axes[1][i].imshow(pred_img)
    axes[1][i].axis('off')
plt.show()

試したこと

ここに問題に対して試したことを記載してください。

補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。

Comments

[jbpb0]

pythonのコードの一番最初の行のすぐ上に
```python
だけの行を追加してください
また、pythonのコードの一番最後の行のすぐ下に
```
だけの行を追加してください

または、
https://teratail.storage.googleapis.com/uploads/contributed_images/56957fe805d9d7befa7dba6a98676d2b.gif
を見て、そのようにしてみてください

現状、コードがとても読み辛いです
質問にコードを載せる際に上記をやってくれたら、他人がコードを読みやすくなり、コードの実行による現象確認もやりやすくなるので、回答されやすくなります

[jafifjiaf_3]

アドバイスいただきありがとうございます。編集いたしました。

Answer 1

Keras Functional Class APIのリファレンスを参考にされると良いでしょう．
次のコードで実現できます．

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

inputs = Input(shape = (784,))
x = Dense(256, activation='relu')(inputs)
x = Dense(64, activation='relu')(x)
x = Dense(2, activation='relu')(x)
x = Dense(64, activation='relu')(x)
x = Dense(256, activation='relu')(x)
outputs = Dense(784, activation='sigmoid')(x)

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