dnn神经网络python代码

深度神经网络 (Deep Neural Network, DNN) 是一种人工神经网络结构，常用于处理复杂的机器学习任务，如图像识别、自然语言处理等。在Python中，我们通常使用深度学习库如TensorFlow或PyTorch来构建DNN模型。这里是一个简单的例子，使用Keras库（它是TensorFlow的一个高级API）来创建一个基本的DNN：

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

# 定义模型
model = Sequential([
    # 输入层
    Dense(units=64, activation='relu', input_dim=input_shape),  # 假设input_shape是你输入数据的维度
    # 隐藏层
    Dense(units=32, activation='relu'),
    # 输出层（假设是分类问题，所以用softmax）
    Dense(units=num_classes, activation='softmax')  # num_classes表示类别数
])

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

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

# 测试模型
loss, accuracy = model.evaluate(x_test, y_test)

在这个示例中，`Sequential`是一个线性堆叠的模型结构，`Dense`层是神经网络的基本单元，`relu`是非线性激活函数，`Adam`是优化器，`categorical_crossentropy`是损失函数。