前馈神经网络模型代码

以下是一个前馈神经网络模型的代码示例，其中包括了网络结构、激活函数、损失函数、优化算法等参数的设置和超参数调整：

# 导入需要的库
import torch
import torch.nn as nn
import torch.optim as optim
from sklearn.datasets import load_iris
from sklearn.preprocessing import StandardScaler

# 加载iris数据集，并使用StandardScaler对特征进行标准化处理
iris = load_iris()
X = iris.data
y = iris.target
scaler = StandardScaler()
X = scaler.fit_transform(X)

# 定义前馈神经网络模型
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.fc1 = nn.Linear(4, 10)
        self.fc2 = nn.Linear(10, 3)
        self.relu = nn.ReLU()

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

# 创建一个神经网络实例
net = Net()

# 定义迭代轮次，学习率，优化器
epochs = 100
lr = 0.01
optimizer = optim.SGD(net.parameters(), lr=lr)

# 定义损失函数
criterion = nn.CrossEntropyLoss()

# 进行训练
for epoch in range(epochs):
    optimizer.zero_grad()
    outputs = net(torch.Tensor(X))
    loss = criterion(outputs, torch.Tensor(y).long())
    loss.backward()
    optimizer.step()

# 可视化损失函数
import matplotlib.pyplot as plt
plt.plot(losses)
plt.show()