写一段神经网络代码用于识别猫

在Python中，我们通常使用深度学习库如TensorFlow或PyTorch来编写神经网络代码。这里以TensorFlow为例，展示一个简单的卷积神经网络（Convolutional Neural Network，CNN）用于图像分类，比如猫狗二分类任务中的猫识别：

import tensorflow as tf
from tensorflow.keras import layers

# 数据预处理、加载等步骤省略
def create_cnn_model():
    model = tf.keras.Sequential([
        # 卷积层
        layers.Conv2D(32, (3, 3), activation='relu', input_shape=(64, 64, 3)),
        layers.MaxPooling2D((2, 2)),
        
        # 更深的卷积层
        layers.Conv2D(64, (3, 3), activation='relu'),
        layers.MaxPooling2D((2, 2)),
        
        # 扁平化并连接全连接层
        layers.Flatten(),
        layers.Dense(128, activation='relu'),
        
        # 输出层，对于单一类别预测，用sigmoid激活函数
        layers.Dense(1, activation='sigmoid')
    ])

    # 编译模型，指定损失函数、优化器和评估指标
    model.compile(optimizer='adam',
                  loss=tf.keras.losses.BinaryCrossentropy(from_logits=True),
                  metrics=['accuracy'])

    return model

# 创建模型实例并训练
model = create_cnn_model()
history = model.fit(train_images, train_labels, epochs=10, validation_data=(val_images, val_labels))

# 使用模型进行预测
predictions = model.predict(test_images)

这只是一个基础示例，实际应用中还需要数据集的准备、模型结构调整、以及可能的迁移学习等步骤。同时，训练前需要将图片转为适合模型输入的格式，并可能进行数据增强提高模型性能。