全连接神经网络python代码

以下是一个使用Keras库实现全连接神经网络的Python代码示例：

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)

在这个示例中，我们使用Keras库创建了一个序列模型，并添加了两个隐藏层和一个输出层。我们使用ReLU激活函数来激活隐藏层，并使用Softmax激活函数来激活输出层。我们使用交叉熵作为损失函数，使用随机梯度下降作为优化器，并使用准确率作为评估指标。我们使用训练数据来训练模型，并使用测试数据来评估模型的性能。