在Keras中,你可以通过Sequential模型来定义一个简单的神经网络模型。以下是一个简单的例子:
from keras.models import Sequential
from keras.layers import Dense
# 定义一个Sequential模型
model = Sequential()
# 添加输入层和隐藏层
model.add(Dense(units=64, activation='relu', input_dim=100))
# 添加输出层
model.add(Dense(units=10, activation='softmax'))
# 编译模型
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])
# 查看模型结构
model.summary()
在这个例子中,我们首先创建了一个Sequential模型,然后添加了一个具有64个神经元和ReLU激活函数的隐藏层,以及一个具有10个神经元和softmax激活函数的输出层。接着我们编译模型,指定了损失函数、优化器和评估指标。最后使用model.summary()
查看模型的结构。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,请发送邮件至 55@qq.com 举报,一经查实,本站将立刻删除。转转请注明出处:https://www.szhjjp.com/n/964037.html