深度学习举例

如何搭建一个神经网络

import numpy as np
import matplotlib.pyplot as plt
n = 5000
x = np.random.rand(n,1)-0.5  #5000*1 的数据，-0.5~0.5
y = np.random.rand(n,1)-0.5

#%%
z = np.sqrt(x*x+y*y)  #开方  5000*1
#%%
label = np.zeros((n,3)) #5000*3的矩阵，都是0

#%%
label[np.where(z<0.2),0]=1      #找出第0列，z<0.2 的数的位置 ，将label中该位置变成1
label[np.where(z>0.4),1]=1
label[np.where((z<=0.4)&(z>=0.2)),2]=1
#%%
plt.scatter(x,y,c=label)  #画图

#%%
X = np.hstack((x,y))  

#%%
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import SGD

model = Sequential()
model.add(Dense(10, activation='relu', input_shape=(2,)))#input layer
model.add(Dense(20, activation='relu'))
model.add(Dense(30, activation='relu'))
model.add(Dense(3, activation='softmax'))#output
model.compile(loss='categorical_crossentropy',optimizer='adam',metrics=['accuracy'])

#%%
# 训练模型
model.fit(X,label,batch_size=200,epochs=100)

#%%
ypred = model.predict(X)

#%%
plt.scatter(x,y,c=ypred)