# 创建 TFLearn 层 让我们学习如何在 TFLearn 中创建神经网络模型的层： 1. 首先创建一个输入层： ```py input_layer = tflearn.input_data(shape=[None,num_inputs] ``` 1. 传递输入对象以创建更多层： ```py layer1 = tflearn.fully_connected(input_layer,10, activation='relu') layer2 = tflearn.fully_connected(layer1,10, activation='relu') ``` 1. 添加输出层： ```py output = tflearn.fully_connected(layer2,n_classes, activation='softmax') ``` 1. 从估计器层创建最终网络，例如`regression`： ```py net = tflearn.regression(output, optimizer='adam', metric=tflearn.metrics.Accuracy(), loss='categorical_crossentropy' ) ``` TFLearn 为以下子部分中描述的层提供了几个类。