如何在Keras中創建一個全連接神經網絡

在Keras中創建一個全連接神經網絡，可以按照以下步驟進行：

導入Keras庫中的相關模塊：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

創建一個Sequential模型，用于構建神經網絡的結構：

model = Sequential()

向模型中添加全連接層(Dense)：

# 添加第一個全連接層，指定輸入維度和神經元個數，激活函數為ReLU
model.add(Dense(units=64, input_shape=(input_dim,), activation='relu'))

# 添加更多全連接層
model.add(Dense(units=32, activation='relu'))

# 添加輸出層，神經元個數為分類的類別數，激活函數為softmax
model.add(Dense(units=num_classes, activation='softmax'))

編譯模型，指定損失函數、優化器和評估指標：

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

訓練模型：

model.fit(X_train, y_train, batch_size=32, epochs=10, validation_data=(X_val, y_val))

評估模型性能：

loss, accuracy = model.evaluate(X_test, y_test)

通過以上步驟，您就可以在Keras中創建一個全連接神經網絡，并進行訓練和評估。您可以根據具體的問題和數據調整神經網絡的結構和超參數，以獲得更好的性能。

亚洲激情专区-91九色丨porny丨老师-久久久久久久女国产乱让韩-国产精品午夜小视频观看

最新問答

相關標簽