我怎么用python建立自己的神经网络程序

建立自己的神经网络程序的步骤如下：

1. 安装Python和所需的库，例如NumPy、Pandas和TensorFlow等。

2. 收集和准备数据集，将其分成训练集和测试集。

3. 建立模型架构，可以使用TensorFlow或Keras等库来构建神经网络。

4. 训练模型，使用训练集对模型进行训练。

5. 评估模型，使用测试集对模型进行评估，并进行必要的调整。

6. 使用模型进行预测，将新数据输入到模型中进行预测。

以下是一个简单的示例代码，用于建立一个基本的神经网络模型：

import numpy as np
from keras.models import Sequential
from keras.layers import Dense

# 准备数据
x_train = np.array([[0,0],[0,1],[1,0],[1,1]])
y_train = np.array([[0],[1],[1],[0]])

# 建立模型
model = Sequential()
model.add(Dense(units=4, input_dim=2, activation='relu'))
model.add(Dense(units=1, activation='sigmoid'))

# 训练模型
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=1000)

# 评估模型
x_test = np.array([[0,0],[0,1],[1,0],[1,1]])
y_test = np.array([[0],[1],[1],[0]])
scores = model.evaluate(x_test, y_test)
print("\n%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))

# 使用模型进行预测
prediction = model.predict(x_test)
print(prediction)

这段代码中，我们使用Keras库建立了一个2层的神经网络模型，并使用训练集对其进行训练。然后，我们使用测试集对模型进行评估，并使用模型进行预测。