使用pytorch，输入随机点经过神经网络输出sin或cos图像

在PyTorch中，你可以创建一个简单的神经网络来预测正弦（sin）或余弦（cos）函数值，给定一组随机输入。这通常作为理解神经网络基础应用的一个示例。以下是如何实现这个概念的基本步骤：

1. **导入必要的库**:

import torch
import torch.nn as nn
import numpy as np

2. **定义网络结构**:

class SineCosNetwork(nn.Module):
    def __init__(self, input_size, hidden_size, num_outputs):
        super(SineCosNetwork, self).__init__()
        self.fc1 = nn.Linear(input_size, hidden_size)
        self.fc2 = nn.Linear(hidden_size, num_outputs)

    def forward(self, x):
        x = torch.sin(x) if torch.rand(1).item() < 0.5 else torch.cos(x)  # 以50%的概率选择sin或cos
        x = torch.relu(self.fc1(x))  # 非线性变换
        x = self.fc2(x)
        return x

# 创建网络
input_size = 1  # 可能的输入维度（例如，如果是单个角度）
hidden_size = 32
num_outputs = 1  # 输出一个值（sin或cos的函数值）
model = SineCosNetwork(input_size, hidden_size, num_outputs)

3. **生成随机输入并计算输出**:

x_random = torch.randn(100, input_size)  # 生成100个随机输入点
outputs = model(x_random)

4. **训练与优化**:
由于这是一个回归问题而不是监督学习，不需要优化器。但如果想进一步提高性能，可以添加一个均方误差损失函数，并使用SGD或其他优化器进行训练。