多层神经网络模型python

多层神经网络模型，也称为深度学习模型，在Python中常用的是通过库如TensorFlow、Keras和PyTorch等实现。这些库提供高级API来构建复杂的神经网络结构，包括输入层、隐藏层（可以有多个）和输出层。每一层通常包含许多节点（神经元），它们之间通过权重连接，并通过激活函数非线性地转换输入。

以下是创建一个简单的多层神经网络的基本步骤：

1. **导入必要的库**：

   import tensorflow as tf
   from tensorflow.keras.models import Sequential
   from tensorflow.keras.layers import Dense

2. **创建模型实例**：

   model = Sequential()

3. **添加层级**：

   model.add(Dense(units=64, activation='relu', input_dim=input_size))  # 输入层和第一个隐藏层
   model.add(Dense(units=32, activation='relu'))                      # 后续隐藏层
   model.add(Dense(units=output_size, activation='softmax'))          # 输出层

4. **编译模型**：

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

5. **训练模型**：

   model.fit(X_train, y_train, epochs=num_epochs, validation_data=(X_test, y_test))