Study Keras: market share of different ways in writing Keras model

Functional API

Resnet: https://github.com/raghakot/keras-resnet#L231

BERT in Keras: https://towardsdatascience.com/bert-in-keras-with-tensorflow-hub-76bcbc9417b

Training with tf.keras: https://medium.com/tensorflow/training-and-serving-ml-models-with-tf-keras-fd975cc0fa27

Subclassing keras.model

TF 2.0:

https://www.tensorflow.org/alpha/guide/keras/custom_layers_and_models https://www.tensorflow.org/guide/keras (官方建议：在启用 Eager Execution 时，模型子类化特别有用，因为可以命令式地编写前向传播。 要点：针对作业使用正确的 API。虽然模型子类化较为灵活，但代价是复杂性更高且用户出错率更高。如果可能，请首选函数式 API。)

目前能够找到的公开资料或者代码多使用Functional API描述网络，而Subclass的方式更多出现在TF2.0的官方教程中，很可能随着未来Eager Mode的普及而为更多人接受和使用。