在这个教程中，我们将学习如何使用 PyTorch 框架构建一个简单的神经网络。神经网络是机器学习中最强大的工具之一，可以用于各种任务，如图像识别、自然语言处理等。

网络结构

以下是构建简单神经网络的基本步骤：

  1. 导入必要的库

    import torch
import torch.nn as nn
import torch.optim as optim

  2. 定义网络结构

    class SimpleNN(nn.Module):
    def __init__(self):
        super(SimpleNN, self).__init__()
        self.fc1 = nn.Linear(784, 128)
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(128, 10)

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

  3. 创建模型实例

    model = SimpleNN()

  4. 定义损失函数和优化器

    criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=0.01)

  5. 训练模型

    for epoch in range(10):
    optimizer.zero_grad()
    outputs = model(x_train)
    loss = criterion(outputs, y_train)
    loss.backward()
    optimizer.step()

  6. 评估模型

    with torch.no_grad():
    correct = 0
    total = 0
    for inputs, labels in test_loader:
        outputs = model(inputs)
        _, predicted = torch.max(outputs.data, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()
print('Accuracy of the network on the 10000 test images: %d %%' % (100 * correct / total))

扩展阅读

想了解更多关于 PyTorch 的内容？请访问我们的 PyTorch 教程页面。

图片展示

神经网络结构图

Neural_Network_structure