torch 搭建 网络模型结构

好的，下面是一个简单的例子：

import torch
import torch.nn as nn
import torch.nn.functional as F

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(1, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = x.view(-1, 16 * 5 * 5)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

这个例子中，我们定义了一个继承自`nn.Module`的类`Net`，并定义了它的初始化函数和前向传播函数。

在初始化函数中，我们定义了卷积层、池化层和全连接层，同时也指定了它们的输入输出维度。

在前向传播函数中，我们定义了神经网络的前向传播过程，即输入数据从卷积层、池化层、全连接层流经各层并经过激活函数后输出最终结果。

这个例子中的网络结构是一个简单的卷积神经网络，你可以根据具体需求自己定义自己的网络结构。