帮忙写一个深度学习模型

当然可以！以下是一个简单的深度学习模型的示例，使用Keras库构建一个具有两个隐藏层的前馈神经网络：

import tensorflow as tf
from tensorflow import keras

# 定义模型架构
model = keras.Sequential([
    keras.layers.Dense(64, activation='relu', input_shape=(input_dim,)),
    keras.layers.Dense(32, activation='relu'),
    keras.layers.Dense(output_dim, activation='softmax')
])

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

# 训练模型
model.fit(X_train, y_train, epochs=10, batch_size=32)

# 评估模型
test_loss, test_acc = model.evaluate(X_test, y_test)
print('Test accuracy:', test_acc)

在这个示例中，模型包含三个层：两个隐藏层和一个输出层。每个隐藏层都是具有ReLU激活函数的全连接层，输出层是具有softmax激活函数的全连接层。输入形状由`input_shape=(input_dim,)`指定。

在编译模型时，我们可以选择优化器（这里选择了Adam优化器）、损失函数（这里选择了交叉熵损失函数）和评估指标（这里选择了准确率）。

然后，可以使用`fit()`函数对模型进行训练。在这里，`X_train`和`y_train`是训练数据集的特征和标签，`epochs`表示训练轮数，`batch_size`表示每个批次的样本数。

最后，可以使用`evaluate()`函数评估模型在测试数据集上的性能，并打印出准确率。

请注意，这只是一个简单的深度学习模型示例。具体的模型架构和参数设置需要根据你的具体问题和数据进行调整。