神经网络测试用例python代码

以下是一个简单的神经网络测试用例的Python代码：

import numpy as np

# 定义神经网络的结构
input_size = 2
hidden_size = 3
output_size = 1

# 初始化权重参数
W1 = np.random.randn(input_size, hidden_size)
W2 = np.random.randn(hidden_size, output_size)

# 定义激活函数
def sigmoid(x):
    return 1 / (1 + np.exp(-x))

# 定义前向传播函数
def forward(X, W1, W2):
    # 计算隐藏层的输出
    z1 = np.dot(X, W1)
    a1 = sigmoid(z1)
    
    # 计算输出层的输出
    z2 = np.dot(a1, W2)
    y = sigmoid(z2)
    
    return y

# 定义测试数据
X = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])
y_true = np.array([[0], [1], [1], [0]])

# 前向传播计算预测值
y_pred = forward(X, W1, W2)

# 输出预测值和真实值的比较
print("预测值：\n", y_pred)
print("真实值：\n", y_true)

这个测试用例使用了一个简单的神经网络，包含一个输入层、一个隐藏层和一个输出层。通过初始化权重参数和定义激活函数，以及利用前向传播函数计算预测值，最后输出预测值和真实值的比较。在这个测试用例中，使用了一个简单的逻辑门问题作为数据集，即XOR问题