神经网络模型代码
时间: 2023-07-22 10:05:46 浏览: 39
以下是一个简单的神经网络模型的代码,使用Python语言和Keras库实现:
```python
from keras.models import Sequential
from keras.layers import Dense
# 创建一个序列模型
model = Sequential()
# 添加输入层和第一个隐藏层
model.add(Dense(units=64, activation='relu', input_dim=100))
# 添加第二个隐藏层
model.add(Dense(units=64, activation='relu'))
# 添加输出层
model.add(Dense(units=10, activation='softmax'))
# 编译模型
model.compile(loss='categorical_crossentropy',
optimizer='sgd',
metrics=['accuracy'])
# 训练模型
model.fit(x_train, y_train, epochs=5, batch_size=32)
# 评估模型
loss_and_metrics = model.evaluate(x_test, y_test, batch_size=128)
```
上述代码创建了一个包含两个隐藏层和一个输出层的神经网络模型,其中包含64个神经元。模型使用交叉熵作为损失函数,并使用随机梯度下降法作为优化器。训练过程中,模型使用批量大小为32的小批量随机梯度下降法进行训练,并在训练集上进行了5次完整的迭代。最后,模型评估了在测试集上的性能。