https://www.bilibili.com/video/av64970827/?p=7
tf2.0主要使用tf.keras api来构建模型,主要包括如下几个部分
一、Layers
如下是一些特性，比如可以运行在eager 或 graph模式，支持type checking等。
不支持的特性
没听太懂（挖坑）
一个典型的basic layer
一个更实用的写法，不需要在初始化时定义输入维度，当第一次call时，会在build时根据input_shape，add_weight来构建权重，
以后call时就可以reuse weights了。
Layer中可以有non-trainable weights，比如bn层
layer也可以nested化
一个训练实例，没有了session,graph，比tf1简单顺眼多了
定义了一个额外的损失，可以通过model.losses得到。
layers serializable
以字典的形式保存模型，不保留权重
call中有个参数train
二、Model
和nested layer相比，只需要继承的类更改一下。不过增加了更多功能，compile，fit,evaluate,save。
在实际使用时，layer通常表示某层或某个block，model表示一个完整的模型（需要train,predict等）
fit,evaluate默认是graph execution（更快），也可以制定eager 模式
三、Functional Models
一种更简单直接的方式（下图中的x是某种输入，不是layer） ，更适用于使用者，而不是开发者
没看懂_keras_histor的作用（挖坑）
Function API 包括如下特性
（1）check
通过InputSpec来进行检查，在init中会给一个简单的check，当第一次调用时，在build中，会进行更详细的check。
（2）save
支持跨平台。
（3）plot model
（4）设计到nlp，不懂
（5）使用dynamic layers
如对bn层，train 和Inference时的不同处理
