生成一段深度学习的预训练模型的代码

以下是一个使用Keras库训练预训练模型的简单示例代码：

import tensorflow as tf
from tensorflow.keras.layers import Dense, Dropout, Input
from tensorflow.keras.models import Model
from tensorflow.keras.optimizers import Adam
from tensorflow.keras.datasets import mnist

# 加载 MNIST 数据集
(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 将像素值缩放到 0 到 1 之间
x_train = x_train / 255.0
x_test = x_test / 255.0

# 定义模型输入
inputs = Input(shape=(28, 28))

# 添加层
x = Dense(128, activation='relu')(inputs)
x = Dropout(0.2)(x)
x = Dense(64, activation='relu')(x)
x = Dropout(0.2)(x)
x = Dense(10, activation='softmax')(x)

# 创建模型
model = Model(inputs=inputs, outputs=x)

# 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=10, validation_data=(x_test, y_test))

这段代码会加载MNIST数据集，定义一个包含三个全连接层和两个dropout层的神经网络模型，并使用Adam优化器和交叉熵损失函数进行训练。训练10个epoch后，模型在测试集上的准确率（accuracy）将被输出。