python代码神经网络

Python是一种流行的编程语言，尤其适合用于构建神经网络模型，因为有许多强大的库如TensorFlow、PyTorch、Keras等专门为深度学习而设计。神经网络是一种受生物神经系统启发的计算模型，它由连接在一起的节点（神经元）组成，通过学习输入数据之间的模式来进行预测。

在Python中，你可以按照以下步骤编写简单的神经网络代码：

1. 导入所需的库：

import tensorflow as tf
from tensorflow.keras import layers

2. 创建模型：

model = tf.keras.Sequential([
    layers.Dense(64, activation='relu', input_shape=(input_dim,)),  # 输入层
    layers.Dense(32, activation='relu'),  # 隐藏层
    layers.Dense(num_classes, activation='softmax')  # 输出层（对于分类任务）
])

3. 编译模型：

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

4. 训练模型：

model.fit(X_train, y_train,
          validation_data=(X_val, y_val),
          epochs=epochs)

5. 测试模型性能：

loss, accuracy = model.evaluate(X_test, y_test)