写一段python神经网络训练代码

以下是一个简单的神经网络训练代码的示例，使用PyTorch库：

import torch
import torch.nn as nn
import torch.optim as optim

# 定义网络结构
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.fc1 = nn.Linear(10, 5)
        self.fc2 = nn.Linear(5, 2)

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

# 加载数据
train_data = torch.randn(100, 10)
train_label = torch.randint(0, 2, (100,))

# 定义损失函数和优化器
net = Net()
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.01)

# 训练网络
for epoch in range(100):
    optimizer.zero_grad()
    output = net(train_data)
    loss = criterion(output, train_label)
    loss.backward()
    optimizer.step()

    if epoch % 10 == 0:
        print('Epoch: {}, Loss: {}'.format(epoch, loss.item()))

这段代码定义了一个简单的两层神经网络，使用随机数据进行训练。它使用交叉熵损失函数和随机梯度下降优化器进行训练，每10个epoch打印一次损失。