User model = Sequential() model.add(Dense(6, input_dim=4, kernel_initializer='normal', activation='relu')) model.add(Dense(5, kernel_initializer='normal', activation='relu')) model.add(Dense(2, kernel_initializer='normal', activation='relu')) model.add(Dense(1, kernel_initializer='normal')) model = multi_gpu_model(model, gpus=2) model.compile(loss='mean_squared_error', optimizer='adam') 介绍一下这个模型

这是一个基于Keras的神经网络模型。它有四个输入特征和一个输出值，使用ReLU作为激活函数。它有三个隐藏层，分别有6个、5个、2个神经元，并使用正常分布的随机权重初始化。最后一层输出一个单一的数值，没有使用激活函数。使用Adam优化器和均方误差（MSE）损失函数进行模型训练。

此外，这个模型使用了`multi_gpu_model`函数，以使用两个GPU进行并行训练。这可以加快训练速度，特别是在大型数据集上。