python深度学习代码实例

以下是一个使用Python实现深度学习的示例代码：

# 导入所需的库
import numpy as np
from keras.models import Sequential
from keras.layers.core import Dense, Activation
from keras.optimizers import SGD

# 准备数据
X = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])
y = np.array([[0], [1], [1], [0]])

# 构建模型
model = Sequential()
model.add(Dense(2, input_dim=2))
model.add(Activation('sigmoid'))
model.add(Dense(1))
model.add(Activation('sigmoid'))

# 指定优化器和损失函数
sgd = SGD(lr=0.1)
model.compile(loss='binary_crossentropy', optimizer=sgd)

# 训练模型
model.fit(X, y, epochs=10000, batch_size=4)

# 预测结果
print(model.predict_proba(X))

该示例代码使用了Keras库，构建了一个简单的神经网络模型来解决XOR问题。模型包含一个输入层、一个隐藏层和一个输出层，使用Sigmoid激活函数进行非线性变换。然后使用随机梯度下降（SGD）优化器来训练模型，并使用binary_crossentropy作为损失函数。最后预测XOR问题的结果。

这只是一个简单的示例，实际上深度学习可以用于各种各样的应用，包括图像识别、自然语言处理、语音识别等。