生成一段python语言编写的，深度学习模型

在Python中，深度学习模型通常使用深度学习库如TensorFlow、PyTorch等编写。这里是一个简单的例子，展示如何使用Keras库创建一个基本的全连接神经网络（Dense Neural Network，DNN）：

# 导入所需库
from tensorflow import keras
import numpy as np

# 数据准备（假设我们有MNIST数据集）
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
x_train = x_train.reshape(60000, 784).astype('float32') / 255
x_test = x_test.reshape(10000, 784).astype('float32') / 255
y_train = keras.utils.to_categorical(y_train, 10)
y_test = keras.utils.to_categorical(y_test, 10)

# 定义模型结构
model = keras.Sequential([
    keras.layers.Dense(64, activation='relu', input_shape=(784,)),  # 输入层，64个节点，ReLU激活
    keras.layers.Dense(64, activation='relu'),                       # 隐藏层，64个节点
    keras.layers.Dense(10, activation='softmax')                     # 输出层，10个类别，Softmax激活用于多分类
])

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

# 训练模型
model.fit(x_train, y_train, epochs=5, validation_data=(x_test, y_test))

# 评估模型性能
test_loss, test_acc = model.evaluate(x_test, y_test)
print(f'Test accuracy: {test_acc}')