pytorch网络模型搭建

在PyTorch中，可以使用nn.Module类来定义神经网络模型。下面是一个简单的例子，展示如何使用nn.Module来定义一个包含两个全连接层的神经网络：

import torch.nn as nn

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.fc1 = nn.Linear(10, 20)
        self.fc2 = nn.Linear(20, 2)

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

这个网络包含两个全连接层，输入大小为10，输出大小为2。在构造函数`__init__`中，我们定义了这两个层，并将它们存储在类的成员变量中。在正向传播函数`forward`中，我们按照顺序调用这两个层，并使用激活函数ReLU对第一个层的输出进行处理。最后返回最后一层的输出。

如果要使用这个网络，可以按照以下步骤进行：

import torch

# 创建一个模型实例
net = Net()

# 构造一个大小为10的输入向量
input = torch.randn(10)

# 使用模型进行前向传播
output = net(input)

# 输出模型的输出大小
print(output.size())

输出结果应该为`torch.Size([2])`，表示模型输出大小为2。