搭建一个神经网络 要求输入层：3 隐藏层1：100 隐藏层2：1000 隐藏层3：100 输出层：10

以下是一个示例代码来搭建这个神经网络：

import tensorflow as tf

# 定义输入层
input_layer = tf.keras.layers.Input(shape=(3,))

# 定义第一个隐藏层
hidden_layer1 = tf.keras.layers.Dense(100, activation='relu')(input_layer)

# 定义第二个隐藏层
hidden_layer2 = tf.keras.layers.Dense(1000, activation='relu')(hidden_layer1)

# 定义第三个隐藏层
hidden_layer3 = tf.keras.layers.Dense(100, activation='relu')(hidden_layer2)

# 定义输出层
output_layer = tf.keras.layers.Dense(10, activation='softmax')(hidden_layer3)

# 将所有层合并为一个模型
model = tf.keras.models.Model(inputs=input_layer, outputs=output_layer)

# 打印模型的结构
model.summary()

这个示例代码使用了TensorFlow 2.0的Keras API来定义神经网络。首先定义了输入层，然后依次定义了三个隐藏层和一个输出层。每个隐藏层都有不同数量的神经元和ReLU激活函数。最后，通过将所有层合并为一个模型，我们就得到了一个完整的神经网络。