用python写一个DNN语言模型

好的，以下是一个简单的DNN语言模型的Python代码：

import tensorflow as tf

# 定义模型参数
vocab_size = 10000
embedding_dim = 128
hidden_dim = 256

# 定义模型输入
inputs = tf.keras.layers.Input(shape=(None,), dtype=tf.int32)

# 定义嵌入层
embeddings = tf.keras.layers.Embedding(vocab_size, embedding_dim)(inputs)

# 定义两个全连接层
fc1 = tf.keras.layers.Dense(hidden_dim, activation='relu')(embeddings)
fc2 = tf.keras.layers.Dense(hidden_dim, activation='relu')(fc1)

# 定义输出层
outputs = tf.keras.layers.Dense(vocab_size, activation='softmax')(fc2)

# 定义模型
model = tf.keras.Model(inputs=inputs, outputs=outputs)

# 编译模型
model.compile(loss='sparse_categorical_crossentropy', optimizer='adam')

以上代码定义了一个具有嵌入层、两个全连接层和输出层的DNN语言模型。模型的输入是一个整数序列，输出是一个概率分布，表示下一个可能的词汇。模型使用`sparse_categorical_crossentropy`损失函数，这是一种适合于多分类任务的损失函数。模型使用`adam`优化器进行训练。