在TensorFlow中構建一個簡單的神經網絡可以分為以下幾個步驟：
import tensorflow as tf
# 定義輸入特征和標簽
X = tf.constant([[0.0, 0.0], [0.0, 1.0], [1.0, 0.0], [1.0, 1.0]], dtype=tf.float32)
y = tf.constant([[0.0], [1.0], [1.0], [0.0]], dtype=tf.float32)
# 定義神經網絡模型
model = tf.keras.Sequential([
tf.keras.layers.Dense(2, activation='relu', input_shape=(2,)),
tf.keras.layers.Dense(1, activation='sigmoid')
])
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
model.fit(X, y, epochs=1000)
predictions = model.predict(X)
print(predictions)
通過以上步驟，你就可以在TensorFlow中構建一個簡單的神經網絡模型，并對數據進行訓練和預測。你可以根據具體的問題需求來調整模型的結構和參數，以獲得更好的性能和準確性。
