写一个示例出来，内容是用Python 的pytorch跑ann模型

好的，我可以提供一个简单的示例代码，使用 Python 和 PyTorch 运行一个 ANN 模型：

import torch

# 定义输入数据和标签
inputs = torch.tensor([[0,0],[0,1],[1,0],[1,1]], dtype=torch.float32)
labels = torch.tensor([[0],[1],[1],[0]], dtype=torch.float32)

# 定义神经网络结构
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.Adam(model.parameters())

# 训练神经网络
for i in range(10000):
    # 前向传播
    predictions = model(inputs)
    loss = loss_fn(predictions, labels)

    # 反向传播
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()
    
    if i % 1000 == 0:
        print("Epoch: {}, Loss: {:.4f}".format(i, loss))

# 使用神经网络做预测
test_inputs = torch.tensor([[1,0]], dtype=torch.float32)
predictions = model(test_inputs)
print("Prediction:", predictions.item())

以上示例中，我们首先定义了输入数据和标签。然后，我们利用 PyTorch 提供的 `torch.nn` 模块快速定义了一个简单的神经网络，这个网络包含两个全连接层和一个 ReLU 激活函数，以及一个输出层和一个 Sigmoid 激活函数。接着，我们定义了损失函数和优化器。在训练过程中，我们对于 10000 个 epoch 进行了训练，并输出了每个 epoch 的损失值。最后，我们使用训练好的神经网络做预测，并输出预测结果。