python神经网络的实例

Python是一种常用的语言，常用于构建神经网络模型，特别是在深度学习领域。这里是一个简单的例子，展示如何使用PyTorch库创建一个基本的全连接神经网络：

import torch
import torch.nn as nn

# 定义一个拥有两个隐藏层的简单神经网络结构
class SimpleNet(nn.Module):
    def __init__(self, input_size, hidden_size1, hidden_size2, output_size):
        super(SimpleNet, self).__init__()
        self.fc1 = nn.Linear(input_size, hidden_size1) # 第一个全连接层
        self.relu = nn.ReLU() # 激活函数，这里使用ReLU
        self.fc2 = nn.Linear(hidden_size1, hidden_size2)
        self.out = nn.Linear(hidden_size2, output_size) # 输出层

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

# 创建网络实例并设置超参数
input_size = 784 (假设输入数据是28x28像素的图片)
hidden_size1 = 500
hidden_size2 = 300
output_size = 10 (例如对于MNIST分类任务，有10种可能的标签)

model = SimpleNet(input_size, hidden_size1, hidden_size2, output_size)

# 初始化权重和偏置
for m in model.modules():
    if isinstance(m, nn.Linear):
        nn.init.normal_(m.weight, mean=0, std=0.01)
        nn.init.constant_(m.bias, 0)

在这个例子中，`nn.Module`是所有模型的基础类，我们定义了前向传播`forward()`函数，以及线性和激活层。然后我们可以用随机初始化的权重对模型进行训练。