如何增加网络层数代码TENSORFLOW示例

以下是一个示例代码，演示如何通过增加 TensorFlow 网络层数来创建一个更深的神经网络模型：

import tensorflow as tf

# 创建一个两层的全连接神经网络
def two_layer_net(input_size, hidden_size, output_size):
    model = tf.keras.Sequential([
        tf.keras.layers.Dense(hidden_size, activation='relu', input_shape=(input_size,)),
        tf.keras.layers.Dense(output_size, activation='softmax')
    ])
    return model

# 创建一个更深的神经网络，添加一个额外的隐藏层
def three_layer_net(input_size, hidden_size1, hidden_size2, output_size):
    model = tf.keras.Sequential([
        tf.keras.layers.Dense(hidden_size1, activation='relu', input_shape=(input_size,)),
        tf.keras.layers.Dense(hidden_size2, activation='relu'),
        tf.keras.layers.Dense(output_size, activation='softmax')
    ])
    return model

在上面的示例中，我们首先定义了一个名为 two_layer_net 的两层全连接神经网络。然后我们定义了一个名为 three_layer_net 的更深的神经网络，它包含三个全连接层。通过增加一个额外的隐藏层，我们可以使神经网络更深，从而更好地捕捉数据中的复杂关系。