当然有！这里给你一个简单的神经网络模型，使用Python和PyTorch库实现。这个模型可以用来学习简单的加法运算，比如1+1=2。

首先，确保你已经安装了PyTorch库。如果没有安装，你可以通过以下命令安装：

bashCopy code
pip install torch

接下来，使用以下代码创建一个简单的神经网络：

pythonCopy code
import torch
import torch.nn as nn
import torch.optim as optim

# 定义一个简单的神经网络
class SimpleAdder(nn.Module):
    def __init__(self):
        super(SimpleAdder, self).__init__()
        self.layer = nn.Linear(2, 1)

    def forward(self, x):
        return self.layer(x)

# 训练数据
inputs = torch.tensor([[1.0, 1.0]])
outputs = torch.tensor([[2.0]])

# 实例化神经网络，定义损失函数和优化器
model = SimpleAdder()
criterion = nn.MSELoss()
optimizer = optim.SGD(model.parameters(), lr=0.01)

# 训练神经网络
for epoch in range(1000):
    optimizer.zero_grad()
    predictions = model(inputs)
    loss = criterion(predictions, outputs)
    loss.backward()
    optimizer.step()

    if epoch % 100 == 0:
        print(f'Epoch: {epoch}, Loss: {loss.item()}')

# 测试神经网络
test_input = torch.tensor([[1.0, 1.0]])
result = model(test_input)
print(f"1 + 1 = {result.item()}")

这个代码创建了一个非常简单的神经网络，只有一个线性层。通过训练数据（1+1=2）对模型进行训练，优化器使用随机梯度下降法(SGD)。训练1000个周期后，模型应该能够学会执行简单的加法运算。