Python torch 单输入 单输出 神经网络

下面是一个简单的 Python Torch 单输入单输出的神经网络示例：

import torch
import torch.nn as nn

# 定义单输入单输出的神经网络
class Net(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(Net, self).__init__()
        self.fc1 = nn.Linear(input_size, hidden_size)
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(hidden_size, output_size)

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

# 定义网络参数
input_size = 10
hidden_size = 20
output_size = 1

# 实例化网络
net = Net(input_size, hidden_size, output_size)

# 定义输入数据
input_data = torch.randn(1, input_size)

# 前向传播
output = net(input_data)

print(output)

这个神经网络有一个输入层，一个隐藏层和一个输出层。输入数据的大小为 `input_size`，隐藏层的大小为 `hidden_size`，输出层的大小为 `output_size`。在前向传播中，输入数据经过输入层和隐藏层之后经过激活函数 ReLU，最后输出到输出层。在这个示例中，我们使用 PyTorch 自带的线性层 `nn.Linear` 和激活函数 `nn.ReLU`。