帮我构建一个最简单的神经网络来训练两个离散的变量，结构随意，使用relu和adam就可以

好的，让我来帮您构建一个简单的神经网络：

import torch
import torch.nn as nn
import torch.optim as optim

# 定义训练数据
X = torch.tensor([[0, 0], [0, 1], [1, 0], [1, 1]], dtype=torch.float32)
y = torch.tensor([[0], [1], [1], [0]], dtype=torch.float32)

# 定义神经网络模型
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.fc1 = nn.Linear(2, 4)
        self.fc2 = nn.Linear(4, 1)
        self.relu = nn.ReLU()

    def forward(self, x):
        x = self.relu(self.fc1(x))
        x = self.relu(self.fc2(x))
        return x

net = Net()

# 定义损失函数和优化器
criterion = nn.MSELoss()
optimizer = optim.Adam(net.parameters(), lr=0.001)

# 训练模型
for epoch in range(10000):
    optimizer.zero_grad()
    predict = net(X)
    loss = criterion(predict, y)
    loss.backward()
    optimizer.step()

# 进行预测
test_tensor = torch.tensor([[0, 0], [0, 1], [1, 0], [1, 1]], dtype=torch.float32)
prediction = net(test_tensor).detach().numpy()
print(prediction)

这段代码会构建一个简单的两层神经网络，使用ReLU作为激活函数，Adam作为优化器，训练数据是两个离散变量，其输出的预测值也是离散的。