TensorFlow: สร้าง Sequential Model ด้วย Keras API

สร้างโมเดล Sequential (ลำดับชั้น) ด้วย Keras Sequential API ใช้สำหรับโมเดลที่เป็น stack ของ layers แบบตรงไปตรงมา

โค้ดตัวอย่าง

print("กำลังสร้าง Sequential model...")
num_classes = 5

model = Sequential([
    layers.experimental.preprocessing.Rescaling(1./255, input_shape=(img_height, img_width, 3)),
    layers.Conv2D(16, 3, padding='same', activation='relu'),
    layers.MaxPooling2D(),
    layers.Conv2D(32, 3, padding='same', activation='relu'),
    layers.MaxPooling2D(),
    layers.Conv2D(64, 3, padding='same', activation='relu'),
    layers.MaxPooling2D(),
    layers.Flatten(),
    layers.Dense(128, activation='relu'),
    layers.Dense(num_classes)
])

คำอธิบายโครงสร้าง

• Rescaling(1./255): ปรับค่า pixel 0-255 เป็น 0-1 (normalization)
• Conv2D + MaxPooling2D: 3 บล็อก Convolutional block (Feature extraction)
• Flatten(): ราบแบน 3D tensor เป็น 1D vector
• Dense(128, relu): Fully connected layer 128 units
• Dense(num_classes): Output layer 5 units (ไม่มี activation เพราะ from_logits=True)

จุดสำคัญ

• Sequential API เหมาะกับโมเดลที่เป็น linear stack (แต่ละ layer มี 1 input, 1 output)
• Functional API ใช้สำหรับโมเดลซับซ้อน (multiple inputs/outputs, shared layers)
• โมเดลนี้ยังไม่ได้ tune ให้ accuracy สูงสุด (baseline model)
• รันบน Google Colab ที่มี GPU ฟรี