基于pytorch写一个多对多预测代码，数据集名称为data.csv，前四列为特征，其余列为标签，前800行为训练集其余为测试集，将其中一组预测值与真实值输出到excel工作表中

使用 PyTorch 实现多对多预测代码的步骤如下：

1. 导入必要的库，如 Pandas、NumPy 和 PyTorch。
2. 使用 Pandas 读取数据集 data.csv，将其分为训练集和测试集。
3. 定义网络模型并进行训练。
4. 使用测试集进行预测并将其中一组预测值与真实值输出到 Excel 工作表中。

示例代码如下：

import pandas as pd
import numpy as np
import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import DataLoader

# 读取数据集
data = pd.read_csv("data.csv")
# 划分训练集和测试集
train_data = data[:800]
test_data = data[800:]

# 定义网络模型
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.layer1 = nn.Linear(4, 8)
        self.layer2 = nn.Linear(8, 16)
        self.layer3 = nn.Linear(16, 32)
        self.layer4 = nn.Linear(32, 64)
        self.layer5 = nn.Linear(64, 128)
        self.layer6 = nn.Linear(128, 256)
        self.layer7 = nn.Linear(256, 512)
        self.layer8 = nn.Linear(512, 1024)
        self.layer9 = nn.Linear(1024, 2048)
        self.layer10 = nn.Linear(2048, 4096)
        self.layer11 = nn.Linear(4096, 8192)
        self.layer12 = nn.Linear(8192, 16384)
        self.layer13 = nn.Linear(16384, 32768)
        self.layer14 = nn.Linear(32768, 65536)
        self.layer15 = nn.Linear(65536, 131072)
        self.layer16 = nn.Linear(131072, 262144)
        self.layer17 = nn.Linear(262144, 524288)
        self.layer18 = nn.Linear(524288, 1048576)
        self.layer19 = nn.Linear(1048576, 2097152)
        self.layer20 = nn.Linear(