ptorch实现MLP

以下是使用PyTorch实现多层感知机（MLP）的示例代码：

import torch
import torch.nn as nn

# 定义多层感知机模型
class MLP(nn.Module):
    def __init__(self, input_dim, hidden_dim, output_dim):
        super(MLP, self).__init__()
        self.fc1 = nn.Linear(input_dim, hidden_dim)
        self.fc2 = nn.Linear(hidden_dim, output_dim)

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

# 定义输入数据
x = torch.randn(128, 20) # 输入的维度是（128，20）

# 定义MLP模型
model = MLP(input_dim=20, hidden_dim=30, output_dim=10)

# 计算输出
output = model(x)

# 打印输出的形状
print('output.shape:\n', output.shape)

在上面的代码中，我们首先定义了一个MLP类，该类继承自nn.Module类。在MLP类的构造函数中，我们定义了两个线性层（即全连接层），分别是fc1和fc2。在MLP类的前向函数中，我们首先使用ReLU激活函数对fc1的输出进行激活，然后将其输入到fc2中得到最终的输出。

接下来，我们定义了一个输入数据x，其维度为（128，20）。然后，我们创建了一个MLP模型，并将输入数据x输入到该模型中，得到输出output。最后，我们打印了输出的形状。