#######编程环境：Anaconda3 (64-bit)->Spyder(python3.5)
from keras.models import Sequential  #引入keras库
from keras.layers.core import Dense, Activation

model = Sequential() #建立模型
model.add(Dense(12,input_dim=2)) #输入层2节点，隐藏层12个节点（这个节点数可以自行设置）
model.add(Activation('relu')) #用relu函数作为激活函数，能够大幅提供准确度 
model.add(Dense(1,input_dim=12)) #Dense 隐藏层12节点，输出层1节点 
model.compile(loss='mean_squared_error', optimizer='adam') #编译模型 
model.fit(x_train, y_train, nb_epoch = 10000, batch_size = 16) #训练模型，学习一万次;batch_size深度学习的优化算法 
model.save_weights(modelfile) #保存模型参数

以上为灰色预测某市的评价房价的主要代码：

  •    keras：深度学习库，基于Keras的底层库使用Theano或TensorFlow，因此引入此库需先安装TensorFlow
  •    add：   支持序惯操作，如：通过

    model.add(Dense(12,input_dim=2)) model.add(Activation('relu'))依次添加模型的元素
  • Dense层（全连接层）：主要是定义模型的输入、输出、隐层的主要结构
      Dense(12,input_dim=2)隐层为12个节点，输入层为2个节点，输入层必须是第二个参数。
  • 激活函数（Activation）：可以是keras库中自带，也可以是自定义的
  • 目标函数（损失函数）：目标函数，或称损失函数，是编译一个模型必须的两个参数之一

    • model.compile(loss='mean_squared_error', optimizer='adam') #编译模型【中文文档：http://keras-cn.readthedocs.io/en/latest/other/objectives/】