Keras中怎么定义一个简单的神经网络模型

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 Sequentialfrom 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。