用python代码写一个MLP网络

你可以使用以下代码来写一个多层感知机（MLP）网络：

import numpy as np
import torch
import torch.nn as nn
import torch.nn.functional as F

# 定义MLP网络结构
class MLP(nn.Module):
    def __init__(self, input_size, hidden_size, num_classes):
        super(MLP, self).__init__()
        self.fc1 = nn.Linear(input_size, hidden_size)
        self.fc2 = nn.Linear(hidden_size, num_classes)

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

# 定义输入数据
inputs = np.random.randn(100, 28 * 28).astype(np.float32)
labels = np.random.randint(0, 10, (100,)).astype(np.int64)

# 将数据转换为张量
inputs = torch.tensor(inputs)
labels = torch.tensor(labels)

# 定义模型和损失函数
model = MLP(input_size=28 * 28, hidden_size=64, num_classes=10)
criterion = nn.CrossEntropyLoss()

# 定义优化器
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)

# 训练模型
for epoch in range(100):
    # 前向传播
    outputs = model(inputs)
    loss = criterion(outputs, labels)

    # 反向传播和优化
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

这是一个简单的MLP代码示例，其中使用了PyTorch框架。 在这个例子中，我们定义了一个带有一个隐藏层的MLP模型，并使用随机生成的数据进行了100轮训练。