如何使用Sequential一个简单程序的编写

Sequential 是 Keras 中的一个模型容器，可以用来按顺序堆叠一个或多个神经网络层。下面是一个简单的使用 Sequential 编写神经网络的例子。

首先，我们需要导入必要的库：

import numpy as np
from keras.models import Sequential
from keras.layers import Dense

然后，我们可以定义一个简单的 Sequential 模型：

model = Sequential()

接着，我们可以通过添加层来构建我们的神经网络。例如，我们可以添加两个全连接层，每个层有 32 个神经元，使用 ReLU 激活函数：

model.add(Dense(32, activation='relu', input_dim=100))
model.add(Dense(32, activation='relu'))

其中，第一个 Dense 层指定了输入的维度为 100，因为我们的输入数据是一个 100 维的向量。

最后，我们可以指定输出层的配置，例如，如果我们的任务是二分类问题，我们可以使用一个 sigmoid 激活函数的输出层：

model.add(Dense(1, activation='sigmoid'))

最后，我们可以编译模型并指定损失函数和优化器：

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

现在，我们已经构建好了一个简单的神经网络模型，可以用来训练和预测数据。