利用python实现简单的神经网络

在Python中实现简单的神经网络通常会用到一些深度学习库，比如TensorFlow或PyTorch。以下是利用Keras库（它基于TensorFlow或Theano），创建一个基本的前馈神经网络（Feedforward Neural Network，FNN）的例子：

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

# 创建模型实例，Sequential表示线性的堆叠结构
model = Sequential()

# 添加输入层、隐藏层和输出层
model.add(Dense(units=64, activation='relu', input_dim=784))  # 输入层，假设数据有784维
model.add(Dense(units=32, activation='relu'))              # 隐藏层
model.add(Dense(units=10, activation='softmax'))           # 输出层，用于10分类任务（如MNIST）

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

# 简单说明：优化器是学习过程的算法，loss是评估模型性能的指标，metrics指定额外需要监控的度量。

# 假设我们已经有了训练集和验证集
# train_data, train_labels, val_data, val_labels = ...

# 训练模型
model.fit(train_data, train_labels, epochs=5, validation_data=(val_data, val_labels))

# 使用模型做预测
predictions = model.predict(val_data)