正文

如何用python写神经网络

小六 /30 浏览量
0427

在Python中编写神经网络可以通过多种深度学习框架实现，如TensorFlow和Keras。下面我将分别介绍如何使用这两种框架来创建一个简单的神经网络。

使用TensorFlow

 import tensorflow as tf from tensorflow.keras import layers 创建一个简单的神经网络 model = tf.keras.Sequential（） model.add（layers.Dense（3, input_shape=（3,）, activation='sigmoid'）） 输入层，3个输入特征，Sigmoid激活函数 model.add（layers.Dense（1, activation='sigmoid'）） 输出层，1个输出，Sigmoid激活函数 编译模型 model.compile（optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']） 打印模型结构 model.summary（）

使用Keras

 from keras.models import Sequential from keras.layers import Dense 创建一个顺序模型 model = Sequential（） 添加输入层和输出层 model.add（Dense（3, input_shape=（3,）, activation='sigmoid'）） 输入层，3个输入特征，Sigmoid激活函数 model.add（Dense（1, activation='sigmoid'）） 输出层，1个输出，Sigmoid激活函数 编译模型 model.compile（optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']） 打印模型结构 model.summary（）

以上代码示例展示了如何使用TensorFlow和Keras创建一个简单的神经网络模型。这个模型包含一个输入层、一个隐藏层和一个输出层，激活函数为Sigmoid，用于二分类问题。

请根据您的具体需求调整网络结构、层数、神经元数量、激活函数和优化器等参数。

-- 展开阅读全文 --