多层复杂网络代码python

以下是一个简单的多层神经网络代码示例，使用Python和NumPy库实现：

import numpy as np

# 定义激活函数sigmoid
def sigmoid(x):
    return 1 / (1 + np.exp(-x))

# 定义多层神经网络类
class NeuralNetwork:
    def __init__(self, sizes):
        self.num_layers = len(sizes)
        self.sizes = sizes
        self.biases = [np.random.randn(y, 1) for y in sizes[1:]]
        self.weights = [np.random.randn(y, x)
                        for x, y in zip(sizes[:-1], sizes[1:])]

    def feedforward(self, a):
        for b, w in zip(self.biases, self.weights):
            a = sigmoid(np.dot(w, a) + b)
        return a

# 测试
sizes = [2, 3, 1] # 三层神经网络，输入层2个神经元，隐藏层3个神经元，输出层1个神经元
nn = NeuralNetwork(sizes)
x = np.random.randn(2, 1) # 输入向量
output = nn.feedforward(x) # 输出结果
print(output)

该代码实现了一个三层神经网络。其中，`sizes`列表定义了每一层神经元的数量，`biases`和`weights`分别代表偏置和权重的矩阵，`feedforward`方法用于计算神经网络的输出结果。在测试时，我们随机生成一个2维输入向量`x`，并将其传入神经网络中计算输出结果。