创建一个简单的神经网络

PyTorch 是一个开源的机器学习库，主要用于应用深度学习。它提供了灵活的深度学习框架，支持动态计算图，非常适合于研究和开发。

特点

• 动态计算图：允许在运行时修改计算图，非常适合于研究和实验。
• 易于使用：具有简洁的API，易于上手。
• 跨平台：支持Linux、Windows和MacOS操作系统。
• 强大的社区支持：拥有庞大的用户和开发者社区。

安装

要安装PyTorch，请访问PyTorch官网获取详细的安装指南。

示例

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


class SimpleNet(nn.Module):
    def __init__(self):
        super(SimpleNet, self).__init__()
        self.fc = nn.Linear(10, 1)

    def forward(self, x):
        return self.fc(x)

# 实例化网络
net = SimpleNet()

# 定义损失函数和优化器
criterion = nn.MSELoss()
optimizer = optim.SGD(net.parameters(), lr=0.01)

# 创建一些随机数据
inputs = torch.randn(10)
targets = torch.randn(10)

# 训练网络
optimizer.zero_grad()
outputs = net(inputs)
loss = criterion(outputs, targets)
loss.backward()
optimizer.step()

print(loss.item())

图片