在Gluon中创建神经网络模型可以通过定义一个继承自gluon.Block的子类来实现。以下是一个简单的例子：
from mxnet.gluon import nn class SimpleNet(nn.Block): def __init__(self, **kwargs): super(SimpleNet, self).__init__(**kwargs) with self.name_scope(): self.fc1 = nn.Dense(128, activation='relu') self.fc2 = nn.Dense(10) def forward(self, x): x = self.fc1(x) x = self.fc2(x) return x # 创建一个SimpleNet实例 net = SimpleNet() # 打印网络结构 print(net) 在这个例子中，我们创建了一个简单的神经网络模型SimpleNet，包含两个全连接层fc1和fc2。forward方法定义了正向传播的过程，即输入数据x通过fc1和fc2层得到输出。最后，我们实例化了SimpleNet类，并打印出网络结构。
