PyTorch入门（三）：Neural Networks 神经网络

神经网络使用包torch.nn构建。

nn依赖于autograd定义模型并且区分。一个nn.Moudule包含层（layers），以及一个返回输出（output）的前向(forward(input))方法。

上图是一个数字图片分类网络。这是一个简单的前馈网络，包括输入，通过几个层，最后产生输出。

一个典型的神经网络包含如下步骤：

• 定义一些具有可学习参数（或权重）的神经网络
• 数据集迭代（iterare）输入
• 通过网络处理输入
• 计算损失（即输出与正确的预测有多远）
• 将梯度传播回网络的参数中
• 更新网络的权重，通常使用的规则为：weight=weight-learning_rate*grdient

定义一个网络

#-*-coding:utf-8-*-
import torch
import torch.nn as nn
import torch.nn.functional as f

class Net(nn.Module):

    def __init__(self):
        super(Net,self).__init__()
        self.conv1 = nn.Conv2d(1,6,5)
        self.conv2 = nn.Conv2d(6,16,5)

        self.fc1