构建神经网络
我们将使用 Keras 库来创建神经网络，并训练这些网络对图像进行分类。这些模型都属于 Sequential 类型，也就是说，每一层的输出只作为下一层的输入。
在本练习中，您将创建一个包含 Dense 层的神经网络。也就是说，每一层中的每个单元都会与前一层的所有单元相连。例如，第一层中的每个单元都会连接到输入图像中的所有像素。Dense 层对象需要传入该层的单元数，以及单元的激活函数。对于网络中的第一层，还需要传入 input_shape 关键字参数。
本课程涉及的概念较多，如果您需要快速复习，可下载并随时查阅 Keras Cheat Sheet。
本练习是课程的一部分
使用 Keras 进行图像建模
练习说明
- 第一层接收图像作为输入，包含 10 个单元，激活函数为
'relu'。 - 第二层包含 10 个单元，激活函数为
'relu'。 - 输出层为每个类别设置一个单元（共 3 个类别），激活函数为
'softmax'。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Imports components from Keras
from keras.models import Sequential
from keras.layers import Dense
# Initializes a sequential model
model = Sequential()
# First layer
model.add(____(10, activation=____, input_shape=(784,)))
# Second layer
model.add(____(____, activation=____))
# Output layer
____