pytorch实例代码

当然！这里是一个简单的PyTorch实例代码，用于训练一个基本的神经网络模型：

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

# 定义网络模型
class NeuralNetwork(nn.Module):
    def __init__(self):
        super(NeuralNetwork, self).__init__()
        self.fc1 = nn.Linear(10, 5)
        self.fc2 = nn.Linear(5, 2)

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

# 创建模型实例
model = NeuralNetwork()

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

# 准备训练数据
input_data = torch.randn(100, 10)
target = torch.randint(0, 2, (100,))

# 开始训练
for epoch in range(100):
    optimizer.zero_grad()
    output = model(input_data)
    loss = criterion(output, target)
    loss.backward()
    optimizer.step()

    if (epoch+1) % 10 == 0:
        print(f'Epoch: {epoch+1}, Loss: {loss.item()}')

# 使用训练好的模型进行预测
test_input = torch.randn(10, 10)
predictions = model(test_input)

这是一个简单的二分类任务的例子，其中包括定义模型、损失函数、优化器，以及进行训练和预测的过程。你可以根据自己的需求修改代码以适应不同的任务。希望对你有帮助！如果有任何问题，请随时提问。