Python有许多流行的人工智能框架，如TensorFlow, PyTorch, Keras等。下面是一个使用TensorFlow和Keras的示例：
1. 首先，安装所需的库。在命令行中运行以下命令：
```
pip install tensorflow
pip install keras
```
2. 导入必要的库：
```python
import tensorflow as tf
from tensorflow import keras
```
3. 构建模型。使用Keras的Sequential模型，可以通过添加层来构建模型。以下是一个简单的例子：
```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. 编译模型。在训练模型之前，需要对模型进行编译，指定损失函数、优化器和评估指标：
```python
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
```
5. 训练模型。使用fit方法来训练模型，并传入训练数据和标签：
```python
model.fit(train_data, train_labels, epochs=10, batch_size=32)
```
6. 评估模型。使用evaluate方法来评估模型的性能：
```python
test_loss, test_acc = model.evaluate(test_data, test_labels)
print('Test accuracy:', test_acc)
```
7. 使用模型进行预测。使用predict方法来进行预测：
```python
predictions = model.predict(test_data)
```
这只是一个使用TensorFlow和Keras的简单示例，你可以根据你的需求和具体框架的文档来定制和扩展你的模型。