基于nn.module模块实现一个三层神经网络模型

在PyTorch中，基于`nn.Module`模块创建一个三层神经网络模型，首先你需要导入必要的库并了解基础结构。`nn.Module`是所有自定义网络的基础类，它提供了一套方便的方法来进行前向传播、反向传播以及参数管理。

以下是一个简单的三层全连接神经网络的例子：

import torch
import torch.nn as nn

class ThreeLayerNeuralNetwork(nn.Module):
    def __init__(self, input_dim, hidden_dim, output_dim):
        super(ThreeLayerNeuralNetwork, self).__init__()
        
        # 第一层隐藏层
        self.fc1 = nn.Linear(input_dim, hidden_dim)
        # 激活函数，如ReLU
        self.relu = nn.ReLU()
        
        # 第二层隐藏层
        self.fc2 = nn.Linear(hidden_dim, hidden_dim)
        # 可选的其他激活函数
        
        # 输出层
        self.fc3 = nn.Linear(hidden_dim, output_dim)
    
    def forward(self, x):
        # 前向传播过程
        out = self.fc1(x)
        out = self.relu(out)  # 应用了ReLU激活
        out = self.fc2(out)
        out = self.relu(out)
        out = self.fc3(out)
        return out
    
# 创建模型实例
input_dim = 100  # 假设输入维度是100
hidden_dim = 64  # 隐藏层神经元数量
output_dim = 10   # 输出维度，例如10分类任务
model = ThreeLayerNeuralNetwork(input_dim, hidden_dim, output_dim)

在这个模型中，`forward`方法定义了整个网络的计算流程。`nn.Linear`是全连接层，`nn.ReLU`是常用的激活函数。你可以通过`.parameters()`方法访问和优化所有的模型参数。