给我一段python里神经网络代码

好的，这是一段使用 PyTorch 库的简单神经网络代码：

import torch

# 定义输入数据和标签
x = torch.tensor([[1.0, 2.0], [3.0, 4.0]])
y = torch.tensor([[0], [1]])

# 定义一个两层的神经网络
model = torch.nn.Sequential(
    torch.nn.Linear(2, 10),
    torch.nn.ReLU(),
    torch.nn.Linear(10, 1),
    torch.nn.Sigmoid()
)

# 定义损失函数和优化器
loss_fn = torch.nn.BCELoss()
optimizer = torch.optim.SGD(model.parameters(), lr=0.001)

# 训练模型
for i in range(1000):
    # 前向计算
    y_pred = model(x)
    # 计算损失
    loss = loss_fn(y_pred, y)
    # 清空梯度
    optimizer.zero_grad()
    # 反向传播
    loss.backward()
    # 更新参数
    optimizer.step()

# 查看最终的预测值
print(y_pred)

这段代码定义了一个两层的神经网络，第一层是一个全连接层，第二层是一个输出层，并使用随机梯度下降（SGD）优化器进行训练。在这个例子中，输入数据 `x` 是一个二维张量，标签 `y` 是一个二维张量，最终预测值也是一个二维张量。

希望这个例子能对您有所帮助。