pytorch前馈神经网络--手写数字识别

前言

具体内容就是：

输入一个图像，经过神经网络后，识别为一个数字。从而实现图像的分类。

资源：

https://download.youkuaiyun.com/download/fengzhongye51460/89578965

思路：

确定输入的图像：会单通道灰度的28*28的图像，

把图像平铺后，输送到784个神经元的输入层

输入层输送到隐藏层，提取特征

隐藏层输送到输出层，显示概率

初始化模型

import torch  # Import PyTorch
from torch import nn  # Import the neural network module from PyTorch

# Define the neural network class, inheriting from nn.Module
class Network(nn.Module):
    def __init__(self):
        super().__init__()  # Call the initializer of the parent class nn.Module
        self.layer1 = nn.Linear(784, 256)  # Define the first linear layer (input size 784, output size 256)
        self.layer2 = nn.Linear(256, 10)  # Define the second linear layer (input size 256, output size 10)

    def forward(self, x):
        x = x.view(-1, 28*28)  # Flatten the input tensor to a 1D tensor of size 28*28
        x = self.layer1(x)  # Pass the input through the first linear layer
        x = torch.relu(x)  # Apply the ReLU activation function
        return self.layer2(x)  # Pass the result through the second linear layer and return it

__init__中

在输入层和隐藏层之间，创建一个线性层1 ，784个神经元转为256个

在隐藏层和输出层之间，创建一个线性层2，把256个神经元转为1