使用cuda写一个深度神经网络的demo

好的，这是一个使用PyTorch框架写一个深度神经网络的示例代码：

import torch
import torch.nn as nn
import torch.nn.functional as F

class NeuralNet(nn.Module):
    def __init__(self, input_size, hidden_size, num_classes):
        super(NeuralNet, 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

# 实例化模型
model = NeuralNet(input_size=3072, hidden_size=100, num_classes=10).cuda()

# 定义损失函数和优化器
criterion = nn.CrossEntropyLoss()
optimizer = torch.optim.SGD(model.parameters(), lr=0.001)

# 训练模型
for epoch in range(100):
    # 准备输入数据
    inputs = torch.randn(64, 3072).cuda()
    labels = torch.randint(10, (64,)).cuda()

    # 前向传播
    outputs = model(inputs)
    loss = criterion(outputs, labels)

    # 反向传播和优化
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

    if (epoch+1) % 10 == 0:
        print (f'Epoch [{epoch+1}/100], Loss: {loss.item()}')

请注意，为了使用CUDA加速，您需要在确保已安装CUDA驱动程序和PyTorch GPU版本的情况下将所有张量转换为CUDA张量，并使用`.cuda()`方法将模型实例转换为CUDA模型。