设计一个20层的神经网络实现三分类，输入是一个有21个数据的向量

设计一个20层的神经网络实现三分类，输入是一个有21个数据的向量，可以按照以下步骤进行：

1. 定义输入层：将21个数据作为输入层，输入到神经网络中。

2. 添加20个隐藏层：每个隐藏层可以包含多个神经元，根据实验结果来决定每个隐藏层的神经元数目。可以采用ReLU激活函数来激活每个神经元。

3. 添加输出层：根据任务需求，需要将神经网络的输出设置为三个神经元，分别代表三个分类。可以采用softmax激活函数来实现多分类任务。

4. 定义损失函数：根据任务需求，可以选择交叉熵损失函数或者均方误差损失函数来计算网络的损失值。

5. 定义优化器：可以采用随机梯度下降法或者其他优化器来更新网络的权重和偏置，使得网络的损失值最小化。

6. 训练网络：将训练数据输入到神经网络中，使用反向传播算法来更新网络权重和偏置，直到网络收敛。

7. 测试网络：使用测试数据来评估神经网络的性能，可以计算准确率、精确率、召回率等指标来评估网络性能。

需要注意的是，神经网络的设计需要根据具体的任务和数据集来进行调整，以上仅是一个基本的框架。