在python中用tensorflow建立一个神经网络程序

是的，你可以使用TensorFlow在Python中建立神经网络。以下是一个简单的示例代码，用于建立一个基本的神经网络模型：

import tensorflow as tf
import numpy as np

# 准备数据
x_train = np.array([[0,0],[0,1],[1,0],[1,1]])
y_train = np.array([[0],[1],[1],[0]])

# 建立模型
model = tf.keras.models.Sequential([
  tf.keras.layers.Dense(units=4, input_dim=2, activation='relu'),
  tf.keras.layers.Dense(units=1, activation='sigmoid')
])

# 训练模型
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=1000)

# 评估模型
x_test = np.array([[0,0],[0,1],[1,0],[1,1]])
y_test = np.array([[0],[1],[1],[0]])
scores = model.evaluate(x_test, y_test)
print("\n%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))

# 使用模型进行预测
prediction = model.predict(x_test)
print(prediction)

这段代码中，我们使用TensorFlow建立了一个2层的神经网络模型，并使用训练集对其进行训练。然后，我们使用测试集对模型进行评估，并使用模型进行预测。