Python 神经网络代码示例：使用 ReLU 激活函数

当然可以！以下是一个简单的具有 ReLU 激活函数的神经网络的代码示例：

import numpy as np

# 定义 ReLU 激活函数
def relu(x):
    return np.maximum(0, x)

# 定义神经网络类
class NeuralNetwork:
    def __init__(self, input_dim, hidden_dim, output_dim):
        self.input_dim = input_dim
        self.hidden_dim = hidden_dim
        self.output_dim = output_dim
        
        # 初始化权重和偏置
        self.weights1 = np.random.randn(self.input_dim, self.hidden_dim)
        self.bias1 = np.zeros((1, self.hidden_dim))
        self.weights2 = np.random.randn(self.hidden_dim, self.output_dim)
        self.bias2 = np.zeros((1, self.output_dim))
        
    def forward(self, X):
        # 前向传播
        self.hidden_layer = relu(np.dot(X, self.weights1) + self.bias1)
        self.output_layer = np.dot(self.hidden_layer, self.weights2) + self.bias2
        return self.output_layer

# 实例化神经网络对象
input_dim = 2
hidden_dim = 4
output_dim = 1
nn = NeuralNetwork(input_dim, hidden_dim, output_dim)

# 测试神经网络
X = np.array([[0, 1], [1, 0], [0, 0], [1, 1]])
print(nn.forward(X)) # 输出神经网络的预测结果

在上面的代码中，我们定义了一个 ReLU 激活函数，并在神经网络类中使用它。我们还实例化了一个神经网络对象，并使用它来进行预测。