使用 PyTorch 进行深度学习-神经网络（部分）

神经网络可以用torch.nn包来构建。之前的内容已经了解了 自动梯度，神经网络是基于自动梯度来定义一些模型。一个 nn.Module 包含层和返回输出的方法 forward(input)。例如，看看这个分类数字图像的网络：

这是一个简单的前馈网络。 它接受输入，一个接一个地通过几个层，最后给出输出。

神经网络的典型训练过程如下：

• 定义具有一些可学习参数的神经网络（或权重）
• 迭代输入数据集
• 通过网络处理输入
• 计算损失（输出距离正确有多远）
• 将梯度传播回网络的参数
• 更新网络的权重，通常使用简单的更新规则： weight=weight-learning_rate*gradient

  1、定义网络

让我们定义这个网络结构：

import torch
import torch.nn as nn
import torch.nn.functional as F
class Net(nn.Module):

    d