三层神经网络，2进1，中间层10个的代码

三层神经网络（也称为前馈神经网络，因为信息仅从输入层向输出层单向传递）通常用于简单的分类任务。假设我们使用Python的Keras库构建一个包含两个输入节点、10个隐藏节点和一个输出节点的网络，这是一个基本的示例：

from keras.models import Sequential
from keras.layers import Dense

# 创建Sequential模型
model = Sequential()

# 输入层（2个节点）
model.add(Dense(units=10, activation='relu', input_dim=2))  # 使用ReLU激活函数

# 隐藏层（10个节点）
model.add(Dense(units=10, activation='relu'))  

# 输出层（1个节点，因为是二分类问题，所以使用sigmoid作为激活函数）
model.add(Dense(units=1, activation='sigmoid'))

# 编译模型，指定损失函数、优化器和评估指标
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# 打印模型结构
model.summary()

在这个例子中，`input_dim=2`表示有2个输入特征，`units=10`表示每层有10个神经元。`sigmoid`激活函数在最后一层用于输出值范围在0到1之间的概率，如果是二分类问题。