能不能写一个Deep Neural Network的代码

当然可以，深度神经网络(DNN)可以使用许多编程语言实现，如Python、MATLAB、Java、C++等。在Python中，你可以使用TensorFlow、Keras、PyTorch等库来构建一个DNN。下面是一个使用TensorFlow实现DNN的示例代码：

import tensorflow as tf

# 定义输入层
inputs = tf.placeholder(tf.float32, shape=[None, input_dim])

# 定义隐藏层
hidden1 = tf.layers.dense(inputs, 128, activation=tf.nn.relu)
hidden2 = tf.layers.dense(hidden1, 64, activation=tf.nn.relu)
hidden3 = tf.layers.dense(hidden2, 32, activation=tf.nn.relu)

# 定义输出层
outputs = tf.layers.dense(hidden3, output_dim)

# 定义损失函数和优化器
loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits_v2(labels=labels, logits=outputs))
optimizer = tf.train.AdamOptimizer().minimize(loss)

# 训练模型
sess = tf.Session()
sess.run(tf.global_variables_initializer())
for epoch in range(num_epochs):
    _, l = sess.run([optimizer, loss], feed_dict={inputs: train_inputs, labels: train_labels})
    print("Epoch:", epoch, "Loss:", l)

# 进行预测
predictions = sess.run(outputs, feed_dict={inputs: test_inputs})

上面的代码实现了一个具有三个隐藏层的DNN，每个隐藏层的神经元数分别为128、64和32。你可以根据你的需要修改这些参数，以达到更好的性能。