1-2BP神经网络--Keras实现

该代码利用Python3实现，利用到了深度学习工具包Keras。

Keras是一个高层神经网络API，Keras由纯Python编写而成并基Tensorflow、Theano以及CNTK后端。Keras的主要特点：1.简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性）；2.支持CNN和RNN，或二者的结合；3.无缝CPU和GPU切换。

# -*- coding: utf-8 -*-
from keras.models import Sequential
from keras.layers import Dense

# 设定训练集和测试集
x_train = [i/100 for i in range(0, 80)]
y_train = [pow(i/100, 2) for i in range(0, 80)]
x_test = [i/100 for i in range(80, 100)]
y_test = [pow(i/100, 2) for i in range(80, 100)]

# keras的序贯模型
model = Sequential()

# 搭建3层的BP神经网络的结构,units表示隐含层神经元数，input_dim表示输入层神经元数，
# activation表示激活函数
model.add(Dense(units=64, input_dim=1, activation='sigmoid'))
model.add(Dense(units=1, activation='sigmoid'))

# loss表示损失函数，这里损失函数为mse，优化算法采用Adam，metrics表示训练集的拟合误差
model.compile(loss='mse', optimizer='Adam', metrics=['mape'])

点击查看完整代码