在Keras中,可以通过Sequential模型来创建一个简单的全连接神经网络。以下是一个例子:
fromkeras.modelsimportSequential
fromkeras.layersimportDense
#创建一个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='adam',metrics=['accuracy'])
#训练模型
model.fit(X_train,y_train,epochs=10,batch_size=32)
在这个例子中,我们创建了一个包含一个输入层,一个隐藏层和一个输出层的全连接神经网络。输入层有100个特征,隐藏层有64个神经元并使用ReLU激活函数,输出层有10个神经元并使用softmax激活函数。我们使用adam优化器和交叉熵损失函数来编译模型,并训练模型10个epochs。