阅读量:0
要在Keras中添加一个隐藏层到神经网络中，需要使用Sequential模型，并使用add方法添加隐藏层。以下是一个简单的示例代码：
from keras.models import Sequential from keras.layers import Dense # 创建一个Sequential模型 model = Sequential() # 添加输入层和第一个隐藏层 model.add(Dense(units=128, activation='relu', input_shape=(input_shape,))) # 添加第二个隐藏层 model.add(Dense(units=64, activation='relu')) # 添加输出层 model.add(Dense(units=num_classes, activation='softmax')) # 编译模型 model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy']) 在上面的示例中，我们首先创建了一个Sequential模型，然后使用add方法添加了两个隐藏层和一个输出层。每个隐藏层都有指定的神经元数量（units）和激活函数（activation）。最后，我们编译了模型，指定了优化器、损失函数和评估指标。
通过类似的方式，你可以继续添加更多的隐藏层到神经网络中。
