基于pytorch的函数拟合，用relu函数拟合正弦曲线的代码

可以参考如下代码实现：

import torch
import torch.nn as nn
import numpy as np
import matplotlib.pyplot as plt

# 生成数据
x = np.arange(0, 10, 0.1)
y = np.sin(x)

# 定义模型
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.fc1 = nn.Linear(1, 10)
        self.fc2 = nn.Linear(10, 1)
        self.relu = nn.ReLU()

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

# 初始化模型和优化器
net = Net()
optimizer = torch.optim.Adam(net.parameters(), lr=0.01)
loss_func = nn.MSELoss()

# 训练模型
for epoch in range(1000):
    x_data = torch.from_numpy(x.reshape(-1, 1).astype(np.float32))
    y_data = torch.from_numpy(y.reshape(-1, 1).astype(np.float32))
    output = net(x_data)
    loss = loss_func(output, y_data)
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

# 绘制拟合曲线
x_test = np.arange(0, 10, 0.01)
x_test_data = torch.from_numpy(x_test.reshape(-1, 1).astype(np.float32))
net.eval()
y_test_data = net(x_test_data)
y_test = y_test_data.detach().numpy()
plt.plot(x, y, 'r-', label='sin')
plt.plot(x_test, y_test, 'b-', label='fitting curve')
plt.legend()
plt.show()

该代码中，首先生成了一组正弦曲线的数据，然后定义了一个包含两个全连接层和一个ReLU激活函数的神经网络模型。接着使用MSE损失函数和Adam优化器训练模型，并在训练结束后用测试数据绘制拟合曲线。