用keras建立第一个神经网络

第一步：加载需要的库

from keras.models import Sequential

from keras.layers import Dense

import numpy as np

import pandas as pd

np.random.seed(7)

第二步：加载数据

#load data

dataset = np.loadtxt('D:/pima-indians-diabetes.csv',delimiter=',')

X = dataset[:,0:8]

Y = dataset[:,8]

第三步：建立模型

8个输入变量，第一层神经元12个，第二层10个神经元，输出层1个神经元。

这些神经元的数量如何确定，如果有20层网络，那每层多少个神经元？试错感觉不是好的方法，不知道如何设定？

#creat model

model = Sequential()

model.add(Dense(12,input_dim=8,activation='relu'))

model.add(Dense(10,activation='relu'))

model.add(Dense(1,activation='sigmoid'))

第四部：编译模型

#Compile model

model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])

第五部：训练模型

#fit model

model.fit(X,Y,epochs=150,batch_size=10)

第六步：评估模型

#evaluate the model

scores = model.evaluate(X,Y)

print(model.metrics_names[1],scores[1]*100)

第七步：预测应用

#calculate predictions

#predictions = model.predict(X)

#round predictions

#rounded = [round(x[0]) for x in predictions]

#print(predictions)

难点：如果有20层的神经网络，每一层的神经元如何设定，很多做图像识别的有120层，就更加不知道怎么设置这个神经元的问题了。继续学习，如果知道了，就贴出来。