Keras 是一个功能强大且易于使用的 Python 库，用于开发和评估深度学习模型。
它包含高效的数值计算库 Theano 和 TensorFlow，允许你使用几行代码定义和训练神经网络模型。
在这篇文章中，你将了解如何使用 Keras 和 Python 中创建你的第一个神经网络模型。
让我们开始吧。
概览
我们不需要很多代码，但我们会慢慢跨过它，以便你将来知道如何创建自己的模型。
本教程中介绍的步骤如下：
- 加载数据
- 定义模型
- 编译模型
- 拟合模型
- 评估模型
- 把它放在一起
本教程有一些要求：
你已安装并配置了Python 3。 你已安装并配置了 SciPy（包括 NumPy）。 你安装并配置了 Keras 和后端（Theano 或 TensorFlow）。
如果你需要环境方面的帮助，请参阅教程：
创建一个名为keras_first_network.py的新文件，然后在前进过程中，将代码键入或复制并粘贴到文件中。
1. 加载数据
每当我们处理使用随机过程（例如随机数）的机器学习算法时，最好设置随机数种子。
这样你就可以反复运行相同的代码并获得相同的结果。如果你需要演示结果，使用相同的随机源比较算法，或调试代码的一部分，这非常有用。
你可以使用你喜欢的任何种子初始化随机数生成器，例如：
from keras.models import Sequential
from keras.layers import Dense
import numpy
# fix random seed for reproducibility
numpy.random.seed(7)
现在我们可以加载我们的数据。
在本教程中，我们将使用皮马印第安人糖尿病数据集。 这是来自 UCI 机器学习库的标准机器学习数据集。 它描述了皮马印第安人的患者病历数据，以及他们是否在五年内患有糖尿病。
因此，它是二元分类问题（糖尿病发作为 1 或没有为 0）。 描述每个患者的所有输入变量都是数字的。 这使得它可以直接用于接受数字输入和输出值的神经网络，是我们在 Keras 的第一个神经网络的理想选择。
下载数据集并将其放在本地工作目录中，与 python 文件相同。 使用文件名保存：
pima-indians-diabetes.csv
你现在可以使用 NumPy 函数loadtxt()直接加载文件。 有八个输入变量和一个输出变量（最后一列）。 加载后，我们可以将数据集拆分为输入变量（X）和输出类变量（Y）。
# load pima indians dataset
dataset = numpy.loadtxt("pima-indians-diabetes.csv", delimiter=",")
# split into input (X) and output (Y) variables
X = dataset[:,0:8]
Y = dataset[:,8]
我们初始化了随机数生成器，以确保我们的结果可重现并加载我们的数据。 我们现在准备定义我们的神经网络模型。
注意，数据集有 9 列，范围 0:8 将选择 0 到 7 之间的列，在索引 8 之前停止。如果这对你来说是新的，那么你可以在此博文中了解数组切片和范围的更多信息：
- 如何在 Python 中为机器学习索引，切片和重塑 NumPy 数组
2. 定义模型
Keras 中的模型被定义为层的序列。
