pytorch中神经网络的定义方法

1. 继承 torch.nn.Module 类（推荐方法）

最常见和推荐的方式是通过继承 torch.nn.Module 类来创建一个自定义的神经网络模型。在这种方式下，你需要定义 __init__() 方法来初始化网络层，并在 forward() 方法中定义前向传播逻辑。

示例：一个简单的全连接神经网络

import torch
import torch.nn as nn

class SimpleNN(nn.Module):
    def __init__(self):
        super(SimpleNN, self).__init__()
        # 定义网络层
        self.fc1 = nn.Linear(784, 128)  # 输入层：28x28 图像展平为 784
        self.fc2 = nn.Linear(128, 64)   # 隐藏层
        self.fc3 = nn.Linear(64, 10)    # 输出层：10 类分类

        # 激活函数
        self.relu = nn.ReLU()

    def forward(self, x):
        # 前向传播逻辑
        x = self.relu(self.fc1(x))  # 输入 -> 第一层 -> 激活
        x = self.relu(self.fc2(x))  # 第二层 -> 激活
        x = self.fc3(x)             # 输出层
        return x

# 创建模型实例
model = SimpleNN()
print(model)

解释：

• __init__()：在这个方法中定义了神经网络的层（如 nn.Linear），并且可以定义激活函数（如 nn.ReLU()）。
• forward()