阅读量:0
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。
