写一个MLP的神经网络模型

好的，下面是一个基本的MLP神经网络模型：

import torch
import torch.nn as nn

class MLP(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(MLP, self).__init__()
        self.fc1 = nn.Linear(input_size, hidden_size) # 第一个全连接层
        self.relu = nn.ReLU() # 激活函数
        self.fc2 = nn.Linear(hidden_size, output_size) # 第二个全连接层
        
    def forward(self, x):
        out = self.fc1(x)
        out = self.relu(out)
        out = self.fc2(out)
        return out

以上代码实现了一个简单的两层MLP神经网络，包含一个输入层、一个隐藏层和一个输出层。其中，`input_size`是输入特征的维度，`hidden_size`是隐藏层神经元的个数，`output_size`是输出层的维度（通常是分类数目）。在`__init__`函数中，我们定义了两个全连接层，并用ReLU激活函数激活隐藏层的输出。在`forward`函数中，我们将输入数据`x`传入第一个全连接层，并经过激活函数后再传入第二个全连接层，最后输出结果。