python写一个神经网络模型

好的，以下是一个简单的神经网络模型，使用了Keras库：

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

# 创建模型
model = Sequential()

# 添加输入层和隐层
model.add(Dense(units=64, activation='relu', input_dim=100))

# 添加输出层
model.add(Dense(units=10, activation='softmax'))

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

# 训练模型
model.fit(x_train, y_train, epochs=5, batch_size=32)

# 评估模型
loss_and_metrics = model.evaluate(x_test, y_test, batch_size=128)

在上面的代码中，我们创建了一个简单的神经网络模型，包括一个输入层、一个隐层和一个输出层。输入层和隐层都是全连接层，激活函数为ReLU；输出层是一个Softmax层，用于分类。

我们使用SGD作为优化器，交叉熵作为损失函数，评估指标为准确率。然后，我们使用训练集进行训练，使用测试集进行评估。