phthon深度学习代码

Python深度学习代码通常涉及使用强大的库如TensorFlow、PyTorch或Keras来构建神经网络模型。以下是一个简单的例子，展示如何使用Keras创建一个基本的全连接神经网络（MLP，Multi-Layer Perceptron）：

# 导入所需库
from keras.models import Sequential
from keras.layers import Dense

# 创建一个Sequential模型
model = Sequential()

# 添加输入层（节点数可根据数据选择），隐藏层和输出层
model.add(Dense(units=64, activation='relu', input_dim=input_shape)) # 隐藏层，激活函数为ReLU
model.add(Dense(units=32, activation='relu')) # 可能有多个隐藏层
model.add(Dense(units=num_classes, activation='softmax')) # 输出层，对于分类任务通常使用softmax

# 编译模型，指定损失函数、优化器和评价指标
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

# 训练模型
model.fit(x_train, y_train, epochs=epochs, validation_data=(x_val, y_val))

# 使用模型预测
predictions = model.predict(x_test)

# 测试评估
score = model.evaluate(x_test, y_test)

这里，`input_shape`是输入数据的维度，`num_classes`是类别数，`x_train`, `y_train`, `x_val`, `y_val`, `x_test`, 和 `y_test` 分别是训练集和测试集的数据及其对应的标签。