PyTorch 三层全连接神经网络构建教程

本教程将详细讲解如何在PyTorch中构建一个三层全连接神经网络，并展示网络结构和实现代码。

# 导入PyTorch模块
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim

# 定义一个三层全连接神经网络类
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        # 定义第一层，输入维度为10，输出维度为20
        self.fc1 = nn.Linear(10, 20)
        # 定义第二层，输入维度为20，输出维度为30
        self.fc2 = nn.Linear(20, 30)
        # 定义第三层，输入维度为30，输出维度为1
        self.fc3 = nn.Linear(30, 1)

    def forward(self, x):
        # 前向传播，输入x经过每一层，并使用ReLU激活函数
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x
# 创建一个神经网络实例
net = Net()
# 打印网络结构
print(net)

输出结果为：

Net(
  (fc1): Linear(in_features=10, out_features=20, bias=True)
  (fc2): Linear(in_features=20, out_features=30, bias=True)
  (fc3): Linear(in_features=30, out_features=1, bias=True)
)

说明该神经网络有三层，分别是输入层、隐藏层和输出层，输入层维度为10，隐藏层1维度为20，隐藏层2维度为30，输出层维度为1。每一层都是线性变换加上ReLU激活函数。