tensorflow怎么搭建MLP

MLP（Multi-Layer Perceptron，多层感知器）是一种最基础的神经网络模型，其结构包含多个全连接层。在 TensorFlow 中，可以通过 tf.keras.Sequential 搭建 MLP。

下面是一个简单的 MLP 的搭建示例：

import tensorflow as tf

# 定义模型
model = tf.keras.Sequential([
    tf.keras.layers.Flatten(input_shape=(28, 28)),  # 将图像展平
    tf.keras.layers.Dense(128, activation='relu'),  # 隐藏层1，128个神经元，使用ReLU激活函数
    tf.keras.layers.Dense(10, activation='softmax')  # 输出层，10个神经元，使用Softmax激活函数
])

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

# 训练模型
model.fit(train_images, train_labels, epochs=10)

在上面的代码中，我们首先定义了一个 Sequential 模型，然后通过 add 方法向模型中添加不同的层。在该示例中，我们使用了 Flatten 层将输入图像展平为一维张量，然后添加了一个包含 128 个神经元的隐藏层和一个包含 10 个神经元的输出层。隐藏层使用了 ReLU（Rectified Linear Unit）激活函数，输出层使用了 Softmax 激活函数。

接着，我们通过 compile 方法对模型进行编译，指定了优化器、损失函数和评估指标。在本示例中，我们使用了 Adam 优化器、交叉熵损失函数和准确率作为评估指标。

最后，我们使用 fit 方法训练模型，并指定了训练数据和训练轮数。