python - Keras:层和模型之间的区别，或者什么时候实现层？

我正在查看advanced Keras tutorial on the tensorflow website，对于Bahdanau attention的实现我有点困惑：

class BahdanauAttention(tf.keras.Model):
  ...

因此，他们似乎将其实现为Model。然而，它本身并不是一个完整、有用的模型——它只是正在优化的大型Model（本例中是解码器）的一部分。以后用作

attention_layer = BahdanauAttention(10)

它强调了一个事实，即它可以被看作是一层Model。
实际上，一旦人们意识到一个模型可以被重用为另一个模型的一部分，aModel和aLayer之间的边界就会变得有点模糊。
所以我的问题是，
路缘石中aLayer和aModel之间的区别是什么
何时将层实现为Layer比较合适，而不是总是将新层实现为Model。

最佳答案

我觉得你有点困惑。从功能上讲，一个层和一个模型是完全不同的，我不明白为什么你需要比较它们。换句话说，模型通常是层的集合。将它们添加到模型中并将它们连接起来是您的责任。它们可以以各种复杂的方式连接起来。当然，您可以创建只有一个层的模型，但这取决于您使用它的目的。
至于你的第二个问题，关于什么时候做什么真的没有一个指导方针。通常你会用尽所有的选择，直到找到最有效的方法。在模型之间链接模型和共享层可能是决定是只需要一个简单的层，还是将它插入到模型中的一个决定性因素。