帮我写一个bp神经网络python代码

当然，我很乐意为您提供帮助。以下是一个简单的BP神经网络的Python代码：

import numpy as np

class NeuralNetwork:
    
    def __init__(self, input_layer_size, hidden_layer_size, output_layer_size):
        self.input_layer_size = input_layer_size
        self.hidden_layer_size = hidden_layer_size
        self.output_layer_size = output_layer_size
        
        # 初始化权重矩阵
        self.weight_1 = np.random.rand(input_layer_size, hidden_layer_size)
        self.weight_2 = np.random.rand(hidden_layer_size, output_layer_size)
        
    def sigmoid(self, z):
        return 1 / (1 + np.exp(-z))
    
    def forward(self, X):
        # 隐层输入
        self.input_hidden = np.dot(X, self.weight_1)
        # 隐层输出
        self.output_hidden = self.sigmoid(self.input_hidden)
        # 输出层输入
        self.input_output = np.dot(self.output_hidden, self.weight_2)
        # 输出层输出
        self.output = self.sigmoid(self.input_output)
        return self.output
    
    def sigmoid_prime(self, z):
        return self.sigmoid(z) * (1 - self.sigmoid(z))
    
    def backward(self, X, y, output):
        # 输出层误差
        self.output_error = (y - output) * self.sigmoid_prime(self.input_output)
        # 隐层误差
        self.hidden_error = np.dot(self.output_error, self.weight_2.T) * self.sigmoid_prime(self.input_hidden)
        
        # 更新权重矩阵
        self.weight_2 += np.dot(self.output_hidden.T, self.output_error)
        self.weight_1 += np.dot(X.T, self.hidden_error)
        
    def train(self, X, y):
        output = self.forward(X)
        self.backward(X, y, output)
        
    def predict(self, X):
        return self.forward(X)

此BP神经网络有一个输入层，一个隐层和一个输出层。在初始化时，将权重矩阵分配为随机分布的值。然后，使用sigmoid函数作为激活函数。通过前向传播来计算输出值，通过反向传播来优化权重矩阵，在每个大周期内使用train（）方法来迭代训练，predict（）方法可以在训练后使用该模型进行预测。