基于Python的人工智能代码示例

以下是一个使用Python实现的人工智能代码示例：

import numpy as np
import tensorflow as tf

# 准备训练数据
X = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])
y = np.array([[0], [1], [1], [0]])

# 构建模型
model = tf.keras.models.Sequential([
    tf.keras.layers.Dense(4, input_dim=2, activation='relu'),
    tf.keras.layers.Dense(1, activation='sigmoid')
])
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# 训练模型
model.fit(X, y, epochs=1000, verbose=0)

# 预测结果
predictions = model.predict(X)
print(predictions)

以上代码实现了一个基于神经网络的XOR逻辑门的训练与预测。首先准备了输入输出数据，然后构建了一个两层神经网络模型，使用`Sequential`模型，包含一个输入层和一个输出层，其中输入层有2个神经元，输出层有1个神经元。使用`Dense`层定义神经元的个数和激活函数。然后使用`compile`方法定义模型的损失函数和优化器，这里使用了二元交叉熵和Adam优化器。接着使用`fit`方法对模型进行训练，训练1000个周期。最后使用`predict`方法对输入数据进行预测，输出预测结果。