pytorch一个编码器两个解码器模型

下面是一个使用PyTorch实现的一个编码器和两个解码器的模型：

import torch
import torch.nn as nn

class EncoderDecoder(nn.Module):
    def __init__(self):
        super(EncoderDecoder, self).__init__()
        self.encoder_fc1 = nn.Linear(in_features=784, out_features=256)
        self.encoder_fc2 = nn.Linear(in_features=256, out_features=64)
        self.encoder_fc3 = nn.Linear(in_features=64, out_features=16)
        self.decoder_fc1 = nn.Linear(in_features=16, out_features=64)
        self.decoder_fc2 = nn.Linear(in_features=64, out_features=256)
        self.decoder_fc3 = nn.Linear(in_features=256, out_features=784)
        self.decoder_fc4 = nn.Linear(in_features=256, out_features=10)

    def encode(self, x):
        x = torch.relu(self.encoder_fc1(x))
        x = torch.relu(self.encoder_fc2(x))
        x = torch.relu(self.encoder_fc3(x))
        return x

    def decode1(self, x):
        x = torch.relu(self.decoder_fc1(x))
        x = torch.relu(self.decoder_fc2(x))
        x = torch.sigmoid(self.decoder_fc3(x))
        return x

    def decode2(self, x):
        x = torch.relu(self.decoder_fc1(x))
        x = torch.relu(self.decoder_fc2(x))
        x = self.decoder_fc4(x)
        return x

    def forward(self, x):
        x = self.encode(x)
        out1 = self.decode1(x)
        out2 = self.decode2(x)
        return out1, out2

这个模型包含一个编码器和两个解码器。编码器包含三个全连接层，将输入的784维向量压缩到16维。两个解码器都包含四个全连接层，其中前三个层的结构与编码器相同，最后一层的输出维度分别是784和10，对应于重构图像和分类标签。模型的前向传播过程首先将输入数据通过编码器进行编码，然后分别通过两个解码器进行解码，得到重构图像和分类标签的预测结果。