Вопрос Простейшая нейросеть на python

Вообще супер минимальный код на Python, нейросеть которая считает сумму двух чисел

def suma-suka(a, b):
a+b
print(def suma-suka(666, 777))

import numpy as np
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

# Генерация обучающих данных: 1000 примеров с двумя входными числами
X = np.random.rand(1000, 2) # двумерный массив (1000, 2)
y = X.sum(axis=1) # сумма двух чисел по каждой строке, массив размером (1000,)

# Создание модели: один полносвязный слой, который возвращает одно число
model = Sequential([
Dense(1, input_shape=(2,))
])

# Компиляция модели с оптимизатором SGD (stochastic gradient descent) и функцией потерь MSE
model.compile(optimizer='sgd', loss='mse&#39

# Обучение модели (100 эпох, можно регулировать для улучшения точности)
model.fit(X, y, epochs=100, verbose=0)

# Тестирование модели: ожидаем, что сумма 0.3 и 0.7 ≈ 1.0
test_input = np.array([[0.3, 0.7]])
predicted_sum = model.predict(test_input)
print("Предсказанная сумма:", predicted_sum[0][0])

def sum(a,b):
return a+b
print(sum(2,2))

print(float(input()) + float(input())) С таким запросом тебе тут ответы от нейросетей накидают - это и самостоятельно можно сделать, не дожидаясь других.

import numpy as np

# Данные для обучения: [x1, x2], ожидаемая сумма
X = np.array([[1, 2], [2, 3], [3, 4], [4, 5]])
y = np.array([[3], [5], [7], [9]])

# Инициализируем веса (2 входа -> 1 выход)
weights = np.random.rand(2, 1)
bias = np.random.rand(1)

# Обучение
for _ in range(1000):
preds = X @ weights + bias
error = preds - y
weights -= 0.01 * X.T @ error
bias -= 0.01 * error.mean()

# Проверка
test = np.array([[10, 20]])
result = test @ weights + bias
print("Су
мма:", result[0][0])