帮我用pytroch写一个神经网络二分类模型

好的，以下是一个简单的二分类神经网络模型，使用 PyTorch 实现：

import torch
import torch.nn as nn

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        
        # 定义网络结构
        self.fc1 = nn.Linear(2, 5)   # 输入层到隐藏层
        self.fc2 = nn.Linear(5, 3)   # 隐藏层到输出层
        self.fc3 = nn.Linear(3, 1)   # 输出层
        
        # 定义激活函数
        self.relu = nn.ReLU()
        self.sigmoid = nn.Sigmoid()

    def forward(self, x):
        x = self.fc1(x)
        x = self.relu(x)
        x = self.fc2(x)
        x = self.relu(x)
        x = self.fc3(x)
        x = self.sigmoid(x)
        return x

# 初始化模型
model = Net()

# 定义损失函数和优化器
criterion = nn.BCELoss()   # 二分类交叉熵损失函数
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)   # 随机梯度下降优化器

这个模型包含一个输入层、一个隐藏层和一个输出层，其中输入层有2个神经元，输出层有1个神经元。隐藏层有5个神经元，中间层有3个神经元，使用ReLU作为激活函数，输出层使用Sigmoid作为激活函数。

在这个模型中，使用二分类交叉熵损失函数和随机梯度下降优化器。你可以根据自己的需求进行调整。