PyTorch 与 Python 类

PyTorch 是一个开源的深度学习框架，它允许用户使用 Python 编程语言进行张量计算和神经网络模型的构建。Python 类在 PyTorch 中扮演着核心角色，因为它们用于封装数据、算法和训练逻辑。

在 PyTorch 中，你可以创建自定义类（如 `nn.Module`），这个类继承自 `torch.nn.Module`，这是所有 Torch 模型的基础。这样的类通常包含两个关键部分：

1. **__init__** 方法：初始化函数，用于设置模型的超参数和层结构。
2. **forward** 方法：定义模型的前向传播过程，即输入如何通过网络转换成输出。

实例化这样的类会创建一个具体的模型对象，可以接收输入数据并执行预测。此外，PyTorch 提供了动态图机制，这意味着你可以在运行时修改网络结构，这也是利用 Python 类的强大之处。

举个例子，你可以创建一个简单的线性回归模型类：

class LinearRegression(nn.Module):
    def __init__(self, input_dim, output_dim):
        super(LinearRegression, self).__init__()
        self.linear = nn.Linear(input_dim, output_dim)

    def forward(self, x):
        return self.linear(x)