python代码实现使用adam优化器优化BP神经网络实现二分类问题

可以使用以下代码实现：

import torch
import torch.nn as nn
import torch.optim as optim

# 定义神经网络模型
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.fc1 = nn.Linear(2, 10)
        self.fc2 = nn.Linear(10, 1)
        self.sigmoid = nn.Sigmoid()

    def forward(self, x):
        x = self.fc1(x)
        x = self.sigmoid(x)
        x = self.fc2(x)
        x = self.sigmoid(x)
        return x

# 定义数据集
train_data = torch.Tensor([
    [0, 0],
    [0, 1],
    [1, 0],
    [1, 1]
])
train_label = torch.Tensor([
    [0],
    [1],
    [1],
    [0]
])

# 实例化模型、定义损失函数和优化器
net = Net()
criterion = nn.BCELoss()
optimizer = optim.Adam(net.parameters())

# 训练模型
for epoch in range(10000):
    optimizer.zero_grad()
    output = net(train_data)
    loss = criterion(output, train_label)
    loss.backward()
    optimizer.step()

# 使用模型进行预测
test_data = torch.Tensor([
    [0, 0],
    [0, 1],
    [1, 0],
    [1, 1]
])
net.eval()
result = net(test_data)
print(result)

这段代码使用了 Adam 优化器优化 BP 神经网络，并在二分类问题上进行训练和预测。