pytorch 简易神经网络

PyTorch提供了一种简洁的方式来构建神经网络，即使用torch.nn.Sequential类。这个类是torch.nn中的一种序列容器，它可以通过嵌套多个实现具体功能的类来构建神经网络模型[1]。

在torch.nn.Sequential中，我们可以按照顺序添加各个层和操作。例如，我们可以使用torch.nn.Linear类完成输入层到隐藏层的线性变换，并使用torch.nn.ReLU类作为激活函数，最后再添加另一个torch.nn.Linear类完成隐藏层到输出层的线性变换。下面是一个示例代码：

import torch
import torch.nn as nn

input_data = 10
hidden_layer = 20
output_data = 5

model = nn.Sequential(
    nn.Linear(input_data, hidden_layer),
    nn.ReLU(),
    nn.Linear(hidden_layer, output_data)
)

# 这段代码定义了一个简单的神经网络，包括一个输入层、一个隐藏层和一个输出层，其中输入数据的维度为10，隐藏层的维度为20，输出数据的维度为5。

print(model)

在上面的示例中，我们首先导入了torch和torch.nn模块，然后定义了输入数据的维度为10，隐藏层的维度为20，输出数据的维度为5的神经网络模型。接着使用nn.Sequential类按照顺序添加了三个层，包括一个线性层和两个线性层之间的ReLU激活函数。最后，我们打印出了这个模型的结构。

需要注意的是，这个示例只是一个简单的示例，你可以根据自己的需求来修改神经网络的结构和参数。希望这个示例能对你有所帮助。