基于多层感知机的趣味实验python代码

基于多层感知机（Multilayer Perceptron，MLP）的趣味实验通常涉及神经网络的简单应用，比如图像识别、手写数字识别等。这里我们可以演示一个简单的例子，使用Python和深度学习库Keras实现一个简单的MNIST手写数字识别模型。

# 导入必要的库
import numpy as np
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense

# 加载MNIST数据集
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()

# 数据预处理
train_images = train_images.reshape((60000, 784)) / 255.0
test_images = test_images.reshape((10000, 784)) / 255.0
train_labels = np.eye(10)[train_labels]
test_labels = np.eye(10)[test_labels]

# 创建一个简单的MLP模型
model = Sequential()
model.add(Dense(128, activation='relu', input_shape=(784,)))
model.add(Dense(64, activation='relu'))
model.add(Dense(10, activation='softmax'))

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

# 训练模型
model.fit(train_images, train_labels, epochs=5, validation_split=0.1)

# 测试模型
test_loss, test_acc = model.evaluate(test_images, test_labels)
print(f"Test accuracy: {test_acc * 100}%")

# 趣味部分：随机预测
random_index = np.random.randint(0, len(test_images))
prediction = model.predict_classes(test_images[random_index].reshape(1, -1))
print(f"Predicted digit: {prediction[0]}, Actual digit: {np.argmax(test_labels[random_index])}")

这个代码创建了一个三层的神经网络来对MNIST数据集的手写数字进行分类。运行它，你可以看到模型的训练结果，并通过随机预测感受一下多层感知机的基本运作。