python搭建人工神经网络

在Python中，有很多强大的深度学习框架可以用来构建人工神经网络，比如Tensorflow、PyTorch、Keras等等。其中，Keras是一个基于TensorFlow和Theano的高级神经网络API。下面是一个使用Keras构建人工神经网络的简单步骤：

1. 导入相关库

import keras
from keras.models import Sequential
from keras.layers import Dense

2. 创建一个Sequential模型

model = Sequential()

3. 添加层到模型中

model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'))

这里我们添加了两个密集层，第一个层有64个神经元，使用ReLU作为激活函数，输入的维度是100；第二个层有10个神经元，使用softmax作为激活函数。

4. 编译模型

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

这里我们使用交叉熵作为损失函数，随机梯度下降作为优化器。

5. 训练模型

model.fit(x_train, y_train, epochs=5, batch_size=32)

这里我们将模型训练5个epochs，每次输入32个样本。

6. 评估模型

loss_and_metrics = model.evaluate(x_test, y_test, batch_size=128)

这里我们使用测试数据集来评估模型的性能。