• 或运算： 位与位进行比较，如果有任一个是1，结果为1；两个都为0，结果则为0。

实现步骤

1. 构建Feature与Label数据

2. 创建顺序模型

3. 指定模型的第一层，线性模型

4. 添加一层激活函数

5. 模型编译

6. 模型训练

7. 模型预测

代码示例

# ANN 人造神经网络
# 用ANN构建一个或运算的模型
import numpy
from tensorflow.keras import Sequential
from tensorflow.keras.layers import Dense, Activation  # 导入线性模型Dense和激活函数Activation# feature数据输入
X = numpy.array([[0, 0], [0, 1], [1, 1], [1, 0]])
# label结果标签输出
y = numpy.array([0, 1, 1, 1])# 创建顺序模型
model = Sequential()
# 指定模型的第一层，线性模型Dense参数解释：units-输出数据个数，input_shape-输入数据个数
model.add(Dense(units=1, input_shape=(2,)))
# 添加一层激活函数,sigmoid适用于分类模型，可以把输出结果压缩到0-1之间
model.add(Activation('sigmoid'))
model.summary()  # 查看模型参数
# 模型编译,参数optimizer优化器,loss损失分类（binary_crossentropy是二分类优化算法），metrics训练过程日志打印
model.compile(optimizer="rmsprop", loss="binary_crossentropy", metrics=["accuracy", "mse"])
# 模型训练
model.fit(X, y, batch_size=4, epochs=10000)
# 模型预测
pre = model.predict(X)
print(pre)