帮我在pycharm中用Python代码实现全连接网络并调试不同深度的全连接网络，并用torchsummary显示网络的参数量等参数

好的，这是一个技术问题，我可以回答。我们可以使用PyTorch框架来实现全连接网络。以下是实现一个简单的全连接神经网络的示例代码：

import torch
import torch.nn as nn
from torchsummary import summary

# 定义全连接神经网络
class SimpleNet(nn.Module):
    def __init__(self, input_dim, hidden_dims, output_dim):
        super(SimpleNet, self).__init__()
        self.layers = []
        prev_dim = input_dim
        for hidden_dim in hidden_dims:
            self.layers.append(nn.Linear(prev_dim, hidden_dim))
            self.layers.append(nn.ReLU())
            prev_dim = hidden_dim
        self.layers.append(nn.Linear(prev_dim, output_dim))
        self.network = nn.Sequential(*self.layers)
    
    def forward(self, x):
        out = self.network(x)
        return out

# 初始化神经网络
input_dim = 784
hidden_dims = [256, 128]
output_dim = 10
net = SimpleNet(input_dim, hidden_dims, output_dim)

# 打印网络结构和参数量等信息
summary(net, (input_dim,))

在上面的代码中，我们定义了一个名为`SimpleNet`的带有ReLU激活函数的全连接神经网络。然后我们初始化这个网络并使用`torchsummary`库来打印网络的结构、参数量等信息。

你可以通过更改`hidden_dims`列表中的数字来尝试不同深度的全连接神经网络，并通过打印输出的信息观察不同深度的神经网络对模型参数量的影响。