在Keras中,你可以通過Sequential模型來定義一個簡單的神經網絡模型。以下是一個簡單的例子:
from keras.models import Sequential
from keras.layers import Dense
# 定義一個Sequential模型
model = Sequential()
# 添加輸入層和隱藏層
model.add(Dense(units=64, activation='relu', input_dim=100))
# 添加輸出層
model.add(Dense(units=10, activation='softmax'))
# 編譯模型
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])
# 查看模型結構
model.summary()
在這個例子中,我們首先創建了一個Sequential模型,然后添加了一個具有64個神經元和ReLU激活函數的隱藏層,以及一個具有10個神經元和softmax激活函數的輸出層。接著我們編譯模型,指定了損失函數、優化器和評估指標。最后使用model.summary()
查看模型的結構。