用Python写出矩阵的向前传播的神经网络

好的，以下是一个使用矩阵运算实现向前传播的神经网络的Python代码，其中激活函数使用的是ReLU函数：

import numpy as np

class NeuralNetwork:
    def __init__(self, input_size, hidden_size, output_size):
        self.input_size = input_size
        self.hidden_size = hidden_size
        self.output_size = output_size
        
        # 初始化权重矩阵
        self.weights1 = np.random.randn(self.input_size, self.hidden_size)
        self.weights2 = np.random.randn(self.hidden_size, self.output_size)
        
    def relu(self, x):
        return np.maximum(0, x)
        
    def forward(self, X):
        # 计算隐藏层的输出
        self.hidden = self.relu(X.dot(self.weights1))
        # 计算输出层的输出
        self.output = self.relu(self.hidden.dot(self.weights2))
        return self.output

这个神经网络有一个输入层，一个隐藏层和一个输出层，其中输入层和隐藏层之间的权重矩阵为`self.weights1`，隐藏层和输出层之间的权重矩阵为`self.weights2`。在向前传播过程中，我们首先计算输入层到隐藏层的输出，然后再计算隐藏层到输出层的输出。在这个过程中，我们使用了ReLU函数作为激活函数来对神经元的输出进行非线性转换。通过使用矩阵运算，我们可以更高效地计算神经网络的向前传播过程。