Python有許多流行的人工智能框架，如TensorFlow, PyTorch, Keras等。下面是一個使用TensorFlow和Keras的示例：
1. 首先，安裝所需的庫。在命令行中運行以下命令：
```
pip install tensorflow
pip install keras
```
2. 導入必要的庫：
```python
import tensorflow as tf
from tensorflow import keras
```
3. 構建模型。使用Keras的Sequential模型，可以通過添加層來構建模型。以下是一個簡單的例子：
```python
model = keras.Sequential([
   keras.layers.Dense(64, activation='relu', input_shape=(784,)),
   keras.layers.Dense(64, activation='relu'),
   keras.layers.Dense(10, activation='softmax')
])
```
4. 編譯模型。在訓練模型之前，需要對模型進行編譯，指定損失函數、優化器和評估指標：
```python
model.compile(optimizer='adam',
             loss='sparse_categorical_crossentropy',
             metrics=['accuracy'])
```
5. 訓練模型。使用fit方法來訓練模型，并傳入訓練數據和標簽：
```python
model.fit(train_data, train_labels, epochs=10, batch_size=32)
```
6. 評估模型。使用evaluate方法來評估模型的性能：
```python
test_loss, test_acc = model.evaluate(test_data, test_labels)
print('Test accuracy:', test_acc)
```
7. 使用模型進行預測。使用predict方法來進行預測：
```python
predictions = model.predict(test_data)
```
這只是一個使用TensorFlow和Keras的簡單示例，你可以根據你的需求和具體框架的文檔來定制和擴展你的模型。