在TensorFlow中，可以使用tf.keras.Sequential()來定義模型結構。Sequential()是一個按照順序構建的模型容器，可以通過添加層來定義模型的結構。
例如，下面是一個簡單的使用Sequential()定義一個包含兩個全連接層的神經網絡模型的示例：
import tensorflow as tf
model = tf.keras.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)), # 將輸入數據展平為一維向量
tf.keras.layers.Dense(128, activation='relu'), # 添加第一個全連接層，128個神經元，激活函數為ReLU
tf.keras.layers.Dense(10, activation='softmax') # 添加輸出層，10個神經元，激活函數為softmax
])
在上面的例子中，我們首先通過Sequential()創建一個模型容器，然后添加了一個Flatten層，將輸入數據展平為一維向量，然后添加了一個包含128個神經元的全連接層，激活函數為ReLU，最后添加了一個包含10個神經元的輸出層，激活函數為softmax。
除了使用Sequential()外，還可以通過繼承tf.keras.Model類來自定義模型結構。這種方式更加靈活，可以定義更加復雜的模型結構。
