本篇文章主要通过一个简单的例子来实现神经网络。训练数据是随机产生的模拟数据集，解决二分类问题。
下面我们首先说一下，训练神经网络的一般过程：
1.定义神经网络的结构和前向传播的输出结果
2.定义损失函数以及反向传播优化的算法
3.生成会话(Session)并且在训练数据上反复运行反向传播优化算法
要记住的一点是，无论神经网络的结构如何变化，以上三个步骤是不会改变的。
完整代码如下：
import tensorflow as tf
#导入TensorFlow工具包并简称为tf
from numpy.random import RandomState
#导入numpy工具包，生成模拟数据集
