全连接神经网络实例pytorch

全连接神经网络（FCN， Fully Connected Neural Network）是一种基本的神经网络架构，其中每个节点都与前一层的所有节点相连。在PyTorch中，我们可以很容易地创建一个简单的全连接网络实例。以下是一个基础的全连接网络（如一个多层感知机MLP）的例子：

import torch
import torch.nn as nn

# 定义一个两层全连接网络
class FCNetwork(nn.Module):
    def __init__(self, input_dim, hidden_dim, output_dim):
        super(FCNetwork, self).__init__()
        # 输入层到隐藏层
        self.fc1 = nn.Linear(input_dim, hidden_dim)
        # 隐藏层到输出层
        self.fc2 = nn.Linear(hidden_dim, output_dim)

    def forward(self, x):
        # 前向传播步骤
        x = torch.relu(self.fc1(x))   # 使用ReLU激活函数
        x = self.fc2(x)               # 输出层
        return x

# 创建一个网络实例
input_dim = 784  # 假设输入数据有784维（例如28x28的像素）
hidden_dim = 512
output_dim = 10  # 假设我们分类10个类别
net = FCNetwork(input_dim, hidden_dim, output_dim)

# 初始化权重和偏置
for m in net.modules():
    if isinstance(m, nn.Linear):
        nn.init.normal_(m.weight, mean=0, std=0.01)
        nn.init.constant_(m.bias, 0)

在这个例子中，`forward()`函数定义了网络的计算流程，`nn.Linear`用于创建线性变换层，`relu`则是应用ReLU激活函数。`nn.Module`是所有PyTorch模型的基础类。