给我一段python中神经网络代码

下面是一个简单的Python中使用Keras构建神经网络的代码，包括一个输入层、一个隐藏层和一个输出层：

from keras.models import Sequential
from keras.layers import Dense

# 构建神经网络模型
model = Sequential()
model.add(Dense(10, input_dim=8, activation='relu'))  # 添加输入层和隐藏层
model.add(Dense(1, activation='sigmoid'))  # 添加输出层

# 编译神经网络模型
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# 训练神经网络模型
model.fit(X_train, y_train, epochs=100, batch_size=32, validation_data=(X_test, y_test))

# 在测试集上评估神经网络模型
scores = model.evaluate(X_test, y_test, verbose=0)
print('Accuracy: %.2f%%' % (scores[1] * 100))

在这个例子中，我们使用Keras构建了一个具有8个输入特征、10个隐藏节点和一个输出节点的神经网络模型。我们使用了ReLU作为隐藏层的激活函数，使用Sigmoid作为输出层的激活函数。我们使用二元交叉熵作为损失函数，使用adam作为优化器。我们使用训练集训练神经网络模型，并使用测试集评估模型的性能，输出准确率。您可以根据自己的数据和需要调整模型的参数和结构。