假设 `data` 和 `labels` 是您的训练数据

TensorFlow 的 Keras API 是一个高级神经网络库，它提供了构建和训练神经网络所需的所有工具。Keras API 非常易于使用，适合快速原型制作和实验。

快速开始

安装

首先，您需要安装 TensorFlow：

pip install tensorflow

创建模型

创建一个简单的全连接神经网络：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

model = Sequential()
model.add(Dense(64, activation='relu', input_shape=(100,)))
model.add(Dense(1, activation='sigmoid'))

训练模型

使用一些数据来训练模型：

model.compile(optimizer='adam',
              loss='binary_crossentropy',
              metrics=['accuracy'])


model.fit(data, labels, epochs=10, batch_size=32)

评估模型

使用测试数据评估模型：

test_loss, test_acc = model.evaluate(test_data, test_labels, verbose=2)
print('\nTest accuracy:', test_acc)

保存和加载模型

保存模型：

model.save('my_model.h5')

加载模型：

from tensorflow.keras.models import load_model

new_model = load_model('my_model.h5')

更多信息和教程，请访问 TensorFlow 官方文档。