python编写神经网络算法代码

用 Python 编写神经网络算法代码需要使用一些深度学习库，例如 TensorFlow、PyTorch 等。这些库提供了大量的模块和工具，方便用户编写和训练神经网络。

以下是一个使用 TensorFlow 实现的简单的神经网络代码示例：

import tensorflow as tf

# 定义输入数据
x = tf.placeholder(tf.float32, [None, 784])

# 定义权重和偏置项
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))

# 定义输出数据
y = tf.nn.softmax(tf.matmul(x, W) + b)

# 定义损失函数
y_ = tf.placeholder(tf.float32, [None, 10])
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))

# 使用梯度下降算法优化损失函数
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)

# 初始化所有变量
init = tf.global_variables_initializer()

# 创建会话
sess = tf.Session()
sess.run(init)

# 迭代训练神经网络
for i in range(1000):
    batch_xs, batch_ys = mnist.train.next_batch(100)
    sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

# 评估模型
correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

# 关闭会话
sess.close()

请注意，这只是一个简单的示