在Keras中搭建神经网络通常分为以下步骤:
import keras
from keras.models import Sequential
from keras.layers import Dense
model = Sequential()
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=64, activation='relu'))
model.add(Dense(units=10, activation='softmax'))
其中,第一层需要指定输入的维度,后续层会自动推断输入维度。
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])
在编译模型时,需要指定损失函数、优化器和评估指标。
model.fit(x_train, y_train, epochs=10, batch_size=32)
其中,x_train是输入数据,y_train是标签数据,epochs是训练轮数,batch_size是每个batch的样本数。
loss, accuracy = model.evaluate(x_test, y_test)
在使用测试数据评估模型时,可以得到模型的损失和准确率。
predictions = model.predict(x_new)
可以使用训练好的模型对新数据进行预测。
以上就是使用Keras搭建神经网络的基本步骤。可以根据具体的需求和数据集进行调整和优化。