如何创建一个网络

今天来谈谈，初入深度学习，我们如何搭建一个简单的网络模型，话不多说，直接上代码：

class SimpleNet(nn.Moudle):
def _init_(self):
     super(Net,self)._init_()
     self.fc1=nn.Linear(12288,84)
     self.fc2=nn.Linear(84,50)
     self.fc3=nn.Linear(50,2)
 def forward(self):
     x=x.view(-1,12288)
     x=F.relu(self.fc1(x))
     x=F.relu(self.fc2(x))
     x=F.softmax(self.fc3(x))
     return x
Simplenet=SimepleNet()

下面简单说一下这个程序运行的过程：
forward()方法描述了数据在训练和预测（推导）时如果流过网络。首先，要记住，必须将图像中的3维张量（x和y，以及3通道颜色信息——红、绿、蓝）转换为一个1维张量，从而能输入到第一个Linear层，我们用view()来完成这个工作。在此之后，可以看到会按顺序应用这些层和激活函数，最后返回softmax输出提供我们我们对这个图像的预测。
注：文章摘选自《基于PyTorch的深度学习》Ian Pointer著