Sequential模型：使用Sequential模型，可以直接將一系列層按順序堆疊起來，構建神經網絡模型。
Functional API：使用Functional API，可以更加靈活地構建神經網絡模型，可以定義多個輸入、多個輸出以及具有分支結構的模型。
Subclassing模型：使用Subclassing模型，可以通過繼承tf.keras.Model類來自定義神經網絡模型，可以在call方法中定義前向傳播過程。
Estimator模型：使用Estimator模型，可以更方便地進行模型的訓練、評估和預測，適用于大規模數據集和分布式環境。
SavedModel：可以通過保存和加載模型的方式來構建模型，可以使用tf.saved_model.save()和tf.saved_model.load()方法來保存和加載模型。
keras.Sequential：使用tf.keras.Sequential()方法可以構建Sequential模型。
keras.Model：使用tf.keras.Model()方法可以構建更加靈活的模型，可以定義多個輸入、多個輸出以及分支結構的模型。
自定義層：通過自定義層的方式，可以在模型中添加自定義的層，以滿足特定的需求。
