python如何使用库torch进行神经网络训练，请举一个简单易懂的例子

可以使用以下代码来使用torch库进行神经网络训练：

import torch
import torch.nn as nn
import torch.optim as optim

# 定义神经网络
class Net(nn.Module):
    def __init__(self):
        super().__init__()
        self.fc1 = nn.Linear(1, 10)
        self.fc2 = nn.Linear(10, 1)

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

# 定义数据集
x_train = torch.Tensor([[1.0], [2.0], [3.0], [4.0]])
y_train = torch.Tensor([[2.0], [4.0], [6.0], [8.0]])

# 定义模型
net = Net()

# 定义损失函数和优化器
criterion = nn.MSELoss()
optimizer = optim.SGD(net.parameters(), lr=0.01)

# 训练模型
for epoch in range(1000):
    optimizer.zero_grad()
    output = net(x_train)
    loss = criterion(output, y_train)
    loss.backward()
    optimizer.step()

# 使用模型进行预测
x_test = torch.Tensor([[5.0], [6.0], [7.0], [8.0]])
y_test = net(x_test)
print(y_test)

以上代码实现了一个简单的神经网络模型，利用torch库进行训练和预测。最终输出了对于输入数组的预测结果。