构造一个3层全连接层的模型的代码 python
时间: 2024-02-03 18:12:45 浏览: 18
以下是一个简单的3层全连接层模型的代码示例,使用Keras框架:
```python
from keras.models import Sequential
from keras.layers import Dense
# 创建模型
model = Sequential()
# 添加第一层全连接层,输入维度为input_dim,输出维度为hidden1_dim
hidden1_dim = 128
input_dim = 784
model.add(Dense(hidden1_dim, input_dim=input_dim, activation='relu'))
# 添加第二层全连接层,输出维度为hidden2_dim
hidden2_dim = 64
model.add(Dense(hidden2_dim, activation='relu'))
# 添加第三层全连接层,输出维度为num_classes
num_classes = 10
model.add(Dense(num_classes, activation='softmax'))
# 编译模型
model.compile(loss='categorical_crossentropy',
optimizer='adam',
metrics=['accuracy'])
```
以上代码创建了一个包含3层全连接层的神经网络模型,输入层有784个节点,第一层隐含层有128个节点,第二层隐含层有64个节点,输出层有10个节点。使用了ReLU激活函数和Softmax输出函数,优化器为Adam,损失函数为交叉熵,评估指标为准确率。