pytorch 用循环语句建立多个神经网络，并将所有的神经网络合并为一个神经网络

在PyTorch中，可以使用循环语句（如for循环）来建立多个神经网络，并将它们合并为一个神经网络。下面是一个示例代码：

import torch
import torch.nn as nn

# 定义一个简单的神经网络类
class SimpleNet(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(SimpleNet, self).__init__()
        self.fc1 = nn.Linear(input_size, hidden_size)
        self.fc2 = nn.Linear(hidden_size, output_size)

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

# 定义多个神经网络
net1 = SimpleNet(10, 20, 5)
net2 = SimpleNet(10, 20, 5)
net3 = SimpleNet(10, 20, 5)

# 将多个神经网络合并为一个神经网络
merged_net = nn.Sequential(net1, net2, net3)

# 打印合并后的神经网络结构
print(merged_net)

在上面的代码中，我们首先定义了一个简单的神经网络类`SimpleNet`，该类包含两个全连接层。然后，我们创建了三个实例化的神经网络对象`net1`、`net2`和`net3`。最后，我们使用`nn.Sequential`将这三个神经网络合并为一个神经网络`merged_net`。通过打印`merged_net`，我们可以看到合并后的神经网络结构。