Python实现带ReLU激活函数的神经网络

当然可以，以下是一个简单的带有ReLU激活函数的神经网络的Python实现：

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_size, hidden_size, output_size):
        # 初始化权重和偏置
        self.weights1 = np.random.randn(input_size, hidden_size)
        self.bias1 = np.zeros((1, hidden_size))
        self.weights2 = np.random.randn(hidden_size, output_size)
        self.bias2 = np.zeros((1, output_size))

    # 前向传播
    def forward(self, X):
        self.z1 = np.dot(X, self.weights1) + self.bias1
        self.a1 = relu(self.z1)
        self.z2 = np.dot(self.a1, self.weights2) + self.bias2
        self.output = relu(self.z2)
        return self.output

# 测试网络
X = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
nn = NeuralNetwork(4, 5, 2)
output = nn.forward(X)
print(output)

在以上代码中，我们定义了一个ReLU激活函数和一个神经网络类。神经网络类包含了初始化权重和偏置的方法，在前向传播时计算神经网络的输出。我们使用了ReLU激活函数来激活神经元。最后，我们测试了神经网络对一个输入数据的输出结果。