在PyTorch中创建一个神经网络模型主要涉及定义一个继承自nn.Module
的类,并实现__init__
和forward
方法。
以下是一个简单的示例,展示如何创建一个包含一个全连接层的神经网络模型:
import torch
import torch.nn as nn
class SimpleNet(nn.Module):
def __init__(self, input_size, hidden_size, output_size):
super(SimpleNet, self).__init__()
self.fc1 = nn.Linear(input_size, hidden_size)
self.fc2 = nn.Linear(hidden_size, output_size)
def forward(self, x):
x = torch.relu(self.fc1(x))
x = self.fc2(x)
return x
# 创建一个SimpleNet实例
model = SimpleNet(input_size=10, hidden_size=20, output_size=1)
在上面的示例中,我们首先定义了一个继承自nn.Module
的类SimpleNet
,并在__init__
方法中定义了两个全连接层。在forward
方法中,定义了模型的前向传播过程。最后,我们创建了一个SimpleNet
的实例作为我们的神经网络模型。