keras是tensorflow里的高阶API库，几行代码就可以构建一个神经网络。
可以利用keras做非线性回归。
生成一组数据
1 import numpy as np
2 import matplotlib.pyplot as plt
3 x=np.linspace(-10,10,100)
4 y=x**2+np.random.rand(100)*10
5 fig1,ax1=plt.subplots()
6 ax1.scatter(x,y)
7 plt.show()
完整程序：
1 import tensorflow as tf 2 import numpy as np 3 import matplotlib.pyplot as plt 4 5 #生成试验数据 6 x=np.linspace(-10,10,100) 7 x=tf.convert_to_tensor(x) 8 y=x**2+np.random.rand(100)*10 9 10 #建立模型 11 #设置层 12 model=tf.keras.Sequential([ 13 #1-2层，输入层一个神经元，隐层100个神经元，激活函数sigmoid 14 tf.keras.layers.Dense(100,activation=‘sigmoid‘,input_dim=1), 15 tf.keras.layers.Dense(1)#3层，输出层一个神经元，输出一个数 16 ]) 17 #编译模型 18 ssgd=tf.keras.optimizers.SGD(lr=0.005)#设置学习率0.005 19 #损失函数设为：mse(均方误差)，优化器设为：SGD(梯度下降) 20 model.compile(loss=‘mse‘,optimizer=ssgd) 21 #训练模型 22 model.fit(x,y,epochs=2000)#迭代2000次 23 print(‘训练结束‘) 24 #绘图 25 a=model.predict(x) 26 fig1,ax1=plt.subplots() 27 ax1.scatter(x,y) 28 fig,ax=plt.subplots() 29 ax.scatter(x,y) 30 ax.plot(x,a,‘r‘) 31 plt.show()
原文：https://www.cnblogs.com/winterbear/p/12650539.html