生成一个五层全连接神经网络的Python代码示例

当然，这是一个简单的示例，你可以根据自己的需要进行修改。

import torch
import torch.nn as nn

class FiveLayerNet(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super().__init__()
        self.fc1 = nn.Linear(input_size, hidden_size)
        self.fc2 = nn.Linear(hidden_size, hidden_size)
        self.fc3 = nn.Linear(hidden_size, hidden_size)
        self.fc4 = nn.Linear(hidden_size, hidden_size)
        self.fc5 = nn.Linear(hidden_size, output_size)
        self.relu = nn.ReLU()

    def forward(self, x):
        x = self.relu(self.fc1(x))
        x = self.relu(self.fc2(x))
        x = self.relu(self.fc3(x))
        x = self.relu(self.fc4(x))
        x = self.fc5(x)
        return x

在这个示例中，我们定义了一个名为 FiveLayerNet 的类，继承自torch.nn.Module。在 `__init__` 函数中，我们定义了五个全连接层（`fc1` - `fc5`）和一个ReLU激活函数。在 `forward` 函数中，我们按照顺序连接了这五个层，并将最终输出返回。

你可以通过以下代码来实例化一个 FiveLayerNet 对象：

net = FiveLayerNet(input_size=10, hidden_size=20, output_size=5)

其中，`input_size` 是输入数据的特征数，`hidden_size` 是隐藏层的神经元数量，`output_size` 是输出数据的特征数。在这个示例中，我们假设输入数据有10个特征，输出数据有5个特征，隐藏层有20个神经元。