用Sequential只能定义一些简单的模型，如果你想要定义多输入、多输出以及共享网络层，就需要使用Model模型了。

在model模型的声明中，需要使用\(y = layer(...)(x)\)这样的格式来构建没一个层次，并在构造函数中声明你的模型的输入和输出是什么。

来考虑下面的模型。我们试图预测 Twitter 上的一条新闻标题有多少转发和点赞数。模型的主要输入将是新闻标题本身，即一系列词语，但是为了增添趣味，我们的模型还添加了其他的辅助输入来接收额外的数据，例如新闻标题的发布的时间等。 该模型也将通过两个损失函数进行监督学习。较早地在模型中使用主损失函数，是深度学习模型的一个良好正则方法。

要在不同的输入上共享同一个层，只需实例化该层一次，然后根据需要传入你想要的输入即可：

在Model模型中，多输入、多输出、共享的实现都是简单的，只要按照一定的逻辑创建好有向图即可！

关于本文内容，部分借鉴自keras文档。