请给我一份基于paddlepaddle的单输入单输出，中间层层数待定的全连接神经网络代码

好的，以下是一个基于PaddlePaddle的单输入单输出的全连接神经网络代码示例：

import paddle
import paddle.nn as nn

class Net(nn.Layer):
    def __init__(self, input_size, output_size, hidden_size=128, num_layers=2):
        super(Net, self).__init__()

        self.layers = nn.Sequential()
        self.layers.add_sublayer("fc0", nn.Linear(input_size, hidden_size))
        self.layers.add_sublayer("relu0", nn.ReLU())

        for i in range(1, num_layers):
            self.layers.add_sublayer(f"fc{i}", nn.Linear(hidden_size, hidden_size))
            self.layers.add_sublayer(f"relu{i}", nn.ReLU())

        self.layers.add_sublayer("fc_last", nn.Linear(hidden_size, output_size))

    def forward(self, x):
        x = self.layers(x)
        return x

其中，`input_size`表示输入数据的特征维度，`output_size`表示输出数据的特征维度，`hidden_size`表示每个隐藏层的特征维度，`num_layers`表示隐藏层的数量。

在这个例子中，我们使用了`nn.Sequential()`来定义一个神经网络序列，其中包含一个输入层、若干个隐藏层和一个输出层。在循环中，我们根据`num_layers`的数量，依次添加隐藏层。

最后，在`forward`函数中，我们将输入数据`x`传入`layers`序列中，得到输出结果`x`。