神经网络模型python

神经网络模型是一种用于机器学习和深度学习的模型，它模拟了人脑中神经元之间的连接方式。在Python中，可以使用多种库来构建神经网络模型，包括TensorFlow、Keras、PyTorch等。

下面是一个使用Keras库构建神经网络模型的示例代码：

import keras
from keras.models import Sequential
from keras.layers import Dense

# 创建一个序列模型
model = Sequential()

# 添加输入层和隐藏层
model.add(Dense(units=64, activation='relu', input_dim=100))

# 添加输出层
model.add(Dense(units=10, activation='softmax'))

# 编译模型
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])

# 训练模型
model.fit(x_train, y_train, epochs=5, batch_size=32)

# 在测试集上评估模型
loss_and_metrics = model.evaluate(x_test, y_test, batch_size=128)

# 使用模型进行预测
classes = model.predict(x_test, batch_size=128)

以上代码创建了一个包含一个输入层、一个隐藏层和一个输出层的神经网络模型。模型使用了ReLU激活函数和softmax激活函数，并使用随机梯度下降（SGD）作为优化器。模型通过训练数据进行训练，并使用测试数据进行评估和预测。

当然，以上只是一个简单的示例，实际中可以根据具体问题和需求来构建更加复杂的神经网络模型