今天，我们来对神经网络做一些升级，让它能计算两个数的加法，通过这次学习，我们可以初步理解Dense层的输入和输出。
首先，什么是Dense呢？它是一个全连接的网络层，就目前的水平而言，你把Dense当做一个黑盒就行，它的参数比较多，目前我们只用到了两个，用于定义输入输出的格式，第一个是输出的维度，第二个是输入的维度。
举两个例子
Dense(1,input_dim = 1))
定义了一个输入一维，输出也是一维的网络
Dense(2, input_dim=2)
定义了一个输入二维，输出也是二维的网络
如果我们想计算两个数的加法，应该怎么传参数呢？加法是把输入的两个数（加数和被加数),变成一个数(和),所以，输入是二维，输出是一维，定义如下
Dense(1, input_dim=2)
想让神经网络学会加法，必须传递数据合适的训练数据，我们把generateData修改一下，传递的数据变成两个数的加法
当然，预测的数据也要更新下，否则会提示数据格式不符
修改完毕的代码如下,代码位于
https://github.com/gongrennengzhi/nmt/blob/master/keras_dense.py
from keras.models import Sequential
from keras.layers import Dense
import numpy as np
import random
def generateData():
i = 1
X =[]
Y = []
while i < 1000:
t1 = random.randint(0,1000)
t2 = random.randint(0,1000)
X.append([t1, t2])
Y.append( t1 + t2)
i = i + 1
return np.array( X), np.array(Y)
model = Sequential()
model.add(Dense(1,input_dim = 2))
model.compile(loss='mean_absolute_error', optimizer ='adam')
model.summary()
X,Y=generateData()
model.fit(X[0:700],Y[0:700], epochs=500, batch_size=1)
scores= model.evaluate(x=X[70:],y=Y[70:])
print(scores)
t = np.array([[2020,4040]])
print(model.predict(t))
运行结果
[[6058.168]]
由于训练的次数不够多，略微有误差，还在可以接受的范围内
课后作业
1 修改代码，计算三个数的加法
2 查看model.fit的文档，把训练步数提上去，看看结果是否会有变化
