你好我想要一个python的torch实现的简易神经网络

好的，以下是一个简单的神经网络实现示例：

import torch

# 定义神经网络模型
class Net(torch.nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.fc1 = torch.nn.Linear(2, 10)  # 输入层到隐藏层
        self.relu = torch.nn.ReLU()  # 激活函数
        self.fc2 = torch.nn.Linear(10, 1)  # 隐藏层到输出层

    def forward(self, x):
        x = self.fc1(x)
        x = self.relu(x)
        x = self.fc2(x)
        return x

# 训练数据
x_train = torch.tensor([[0, 0], [0, 1], [1, 0], [1, 1]], dtype=torch.float)
y_train = torch.tensor([[0], [1], [1], [0]], dtype=torch.float)

# 定义损失函数和优化器
net = Net()
criterion = torch.nn.MSELoss()
optimizer = torch.optim.SGD(net.parameters(), lr=0.1)

# 训练模型
for epoch in range(5000):
    optimizer.zero_grad()  # 梯度清零
    output = net(x_train)  # 前向传播
    loss = criterion(output, y_train)  # 计算损失函数
    loss.backward()  # 反向传播
    optimizer.step()  # 更新参数

    if (epoch + 1) % 1000 == 0:
        print('Epoch [{}/{}], Loss: {:.4f}'.format(epoch+1, 5000, loss.item()))

# 测试模型
with torch.no_grad():
    x_test = torch.tensor([[0, 0], [0, 1], [1, 0], [1, 1]], dtype=torch.float)
    y_test = net(x_test)
    print(y_test)

这个神经网络模型是一个两层的全连接神经网络，使用ReLU作为激活函数，输入维度是2，输出维度是1。训练数据是逻辑异或（xor）的数据，最终输出的结果应该接近于[[0], [1], [1], [0]]。模型训练5000个epoch，每1000个epoch输出一次损失函数的值。最后使用训练好的模型进行测试，输出预测的结果