在python3用代码生成一维的样本数据，并画出样本数据，用深度神经网络训练数据，画出训练误差error，使用训练好的模型对原始数据进行预测，画出预测的结果。直接给出一个完整的代码

好的，以下是在Python3中使用TensorFlow生成一维样本数据，并训练、预测的完整代码：

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

# 生成一维的样本数据
X = np.linspace(-np.pi, np.pi, 100)
Y = np.sin(X)

# 定义模型
model = tf.keras.Sequential([
    tf.keras.layers.Dense(64, activation='relu', input_shape=[1]),
    tf.keras.layers.Dense(64, activation='relu'),
    tf.keras.layers.Dense(1)
])

# 编译模型
model.compile(loss='mse', optimizer=tf.keras.optimizers.Adam(0.001))

# 训练模型
history = model.fit(X, Y, epochs=500, verbose=0)

# 画出训练误差
plt.plot(history.history['loss'])
plt.title('Training Error')
plt.xlabel('Epoch')
plt.ylabel('Error')
plt.show()

# 使用训练好的模型进行预测
Y_pred = model.predict(X)

# 画出预测结果
plt.scatter(X, Y)
plt.plot(X, Y_pred, color='red')
plt.show()

您可以将以上代码复制到Python3的环境中运行，即可生成一维的样本数据，并训练、预测。