1、首先，我们定义一个添加隐藏层的函数，参数包括：输入，输入维度，输出维度，激活函数，返回本层的输出。
2、然后使用numpy的内置函数linspace与sin函数生成正弦函数的数据点，共生成[0,1]之间的100个点。
3、下面定义神经网络模型，共添加两个隐藏层与一个输出层，前两层使用relu函数，最后一层使用tanh函数。
4、接下来定义损失函数，并指定梯度下降法作为减小损失函数的方法，然后初始化变量。
5、创建Session，并启动模型的训练。在训练过程中，每隔一定的次数，打印误差。
6、获取训练集的模型输出，并把这些数据绘制在同一张图上。原始数据采用离散点的scatter函数，模型数据采用plot函数。
7、运行程序，所得的损失函数输出如下。
8、最后，绘制出原始散点图与拟合曲线如下。可以看出，比较好地拟合了原始数据。
