tensorflow使用class（Model）创建模型

TensorFlow是一个广泛使用的开源机器学习框架，它允许用户构建各种类型的深度学习模型，包括神经网络。在TensorFlow中，通常通过创建`tf.keras.Model`类的实例来构建模型，这个类继承自`tf.Module`，提供了一种简洁的方式来组织和训练模型。

以下是一个简单的例子说明如何使用`tf.keras.Model`创建一个基本的前馈神经网络模型：

import tensorflow as tf

# 定义输入层、隐藏层和输出层
class MyModel(tf.keras.Model):
    def __init__(self, input_shape, num_classes):
        super(MyModel, self).__init__()
        self.dense1 = tf.keras.layers.Dense(64, activation='relu')
        self.dense2 = tf.keras.layers.Dense(num_classes, activation='softmax')

    # 定义模型的计算过程，即前向传播
    def call(self, inputs):
        x = self.dense1(inputs)
        return self.dense2(x)

# 创建模型实例，并指定输入形状和类别数
model = MyModel(input_shape=(28, 28, 1), num_classes=10)

在这个例子中，`__init__`方法初始化了模型的结构，`call`方法定义了数据流路径（前向传播）。你可以像使用任何其他Keras模型一样训练、评估和预测。