Académique Documents
Professionnel Documents
Culture Documents
```python
import tensorflow as tf
# Définition du modèle
input_size = 784
output_size = 10
hidden_layer_size = 50
model = tf.keras.Sequential([
tf.keras.layers.Dense(hidden_layer_size, activation='relu'),
tf.keras.layers.Dense(hidden_layer_size, activation='relu'),
tf.keras.layers.Dense(output_size, activation='softmax')
])
# Entraînement du modèle
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
batch_size = 100
max_epochs = 10
model.fit(x_train, y_train,
batch_size=batch_size,
epochs=max_epochs,
validation_data=(x_test, y_test))
# Évaluation du modèle
model.evaluate(x_test, y_test)
Notez que ce code simplifié peut être optimisé et adapté en fonction des besoins spécifiques
de votre application.