Python神经网络搭建示例 - PyTorch入门

当然可以为您提供一个简单的神经网络的搭建代码示例，以下是一个基于Python和PyTorch的简单神经网络的搭建示例：

import torch
import torch.nn as nn

# 定义神经网络模型
class SimpleNet(nn.Module):
    def __init__(self, input_size, hidden_size, num_classes):
        super(SimpleNet, self).__init__()
        self.fc1 = nn.Linear(input_size, hidden_size)
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(hidden_size, num_classes)
    
    def forward(self, x):
        out = self.fc1(x)
        out = self.relu(out)
        out = self.fc2(out)
        return out

# 设置参数
input_size = 784 # 输入大小，即MNIST手写数字的像素数量
hidden_size = 500 # 隐藏层大小
num_classes = 10 # 类别数量，即0-9的数字

# 实例化模型
model = SimpleNet(input_size, hidden_size, num_classes)

# 打印模型结构
print(model)

# 输入数据
input_data = torch.randn(1, input_size) # 生成一个随机输入数据

# 使用模型进行预测
output = model(input_data)
print(output)

这个示例中，'SimpleNet'定义了一个简单的神经网络模型，包含一个线性层和一个ReLU激活函数，最后输出层为线性层。'forward'方法定义了模型的前向传播过程。然后，我们实例化了这个模型，并使用随机生成的输入数据进行了预测。

希望这个示例能帮助到您，如果您有其他问题，请随时提问。