tensorflow前馈神经网络模型
时间: 2023-11-20 19:58:59 浏览: 36
以下是一个使用TensorFlow建立前馈神经网络模型的例子:
```python
import tensorflow as tf
# 准备数据
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()
x_train = x_train.reshape(60000, 784).astype('float32') / 255
x_test = x_test.reshape(10000, 784).astype('float32') / 255
y_train = y_train.astype('float32')
y_test = y_test.astype('float32')
# 建立模型
model = tf.keras.Sequential([
tf.keras.layers.Dense(512, activation='relu', input_shape=(784,)),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10, activation='softmax')
])
# 编译模型
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
# 训练模型
model.fit(x_train, y_train, epochs=5)
# 评估模型
model.evaluate(x_test, y_test)
```
这个例子使用了MNIST数据集,建立了一个包含一个输入层、一个隐藏层和一个输出层的前馈神经网络模型。其中输入层包含784个节点,隐藏层包含512个节点,输出层包含10个节点。隐藏层使用了ReLU激活函数,输出层使用了Softmax激活函数。模型使用了Adam优化器和稀疏分类交叉熵损失函数进行编译。模型训练5个epoch后,使用测试集进行评估。