请提供给我完整的MLP代码

多层感知器（Multi-Layer Perceptron, MLP）是一种基本的人工神经网络结构，主要用于分类和回归任务。以下是一个简单的Python代码示例，使用Keras库构建一个多层感知器：

# 导入必要的库
from keras.models import Sequential
from keras.layers import Dense

# 定义模型
def create_mlp(input_dim, num_classes):
    model = Sequential()
    # 添加输入层，隐藏层和输出层
    model.add(Dense(units=64, activation='relu', input_dim=input_dim))  # 第一层全连接层
    model.add(Dense(units=32, activation='relu'))  # 中间层
    model.add(Dense(units=num_classes, activation='softmax'))  # 输出层（对于分类任务）

    # 编译模型
    model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
    return model

# 使用例子
input_dim = 100  # 假设输入特征维度为100
num_classes = 10  # 假设分类类别数为10
model = create_mlp(input_dim, num_classes)

这个例子中，我们创建了一个包含两层隐层的MLP，第一层有64个节点，激活函数为ReLU，第二层有32个节点，最后一层根据类别数量设置为`softmax`激活，适用于多分类任务。记得先准备合适的数据并调用`model.fit()`进行训练。

如果你需要更具体的帮助，例如数据预处理、批量训练等，随时告诉我。下面是几个相关问题供你参考：

1. 如何划分训练集和测试集？
2. 在实际项目中如何调整模型参数？
3. 如何评估模型性能？