6-2-多层感知器（多输出多分类）- 参考模板

网络的输入：

batch=64

		self.linear_1 = nn.Linear(28*28, 120)  
        self.linear_2 = nn.Linear(120, 84)  
        self.linear_3 = nn.Linear(84, 10)

输入形状为（64，784），输出形状为（64，10）

形状说明

y_pred = model(x)
loss = loss_fn(y_pred, y_label)

训练中，一次batch=64的数据中：

• 网络的输出y_pred.shape为（64，10）
• minist的label是一个数值（也相当于0-9索引），并不是独热编码，因此，学习目标y_label.shape为（64）
  两者需要用交叉熵计算算loss，CrossEntropyLoss会将索引转化为one-hot编码。

注意loss计算时&#