PyTorch Tensor和MLP创建代码

下面是使用PyTorch创建Tensor和MLP的示例代码：

创建Tensor：

import torch

# 创建一个一维的Tensor
x = torch.tensor([1, 2, 3, 4, 5])
print(x)

# 创建一个二维的Tensor
y = torch.tensor([[1, 2], [3, 4], [5, 6]])
print(y)

创建MLP：

import torch.nn as nn

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

    def forward(self, x):
        out = self.fc1(x)
        out = nn.functional.relu(out)
        out = self.fc2(out)
        return out

# 定义输入、隐藏和输出的维度
input_size = 10
hidden_size = 20
output_size = 5

# 创建MLP模型
model = MLP(input_size, hidden_size, output_size)
print(model)

这里我们定义了一个简单的MLP模型，包含一个线性层和一个ReLU激活函数，然后再连接一个线性层。在初始化函数中，我们定义了两个线性层。在前向传播函数中，我们首先将输入x传递给第一个线性层fc1，并使用ReLU激活函数进行激活，然后将输出传递给第二个线性层fc2，最终得到模型的输出。