在PyTorch中创建神经网络模型通常需要定义一个继承自torch.nn.Module类的自定义类。下面是一个简单的示例：
import torch import torch.nn as nn class SimpleNN(nn.Module): def __init__(self): super(SimpleNN, self).__init__() self.fc1 = nn.Linear(784, 128) # 定义一个全连接层 self.relu = nn.ReLU() # 定义一个激活函数 self.fc2 = nn.Linear(128, 10) # 定义另一个全连接层 def forward(self, x): x = self.fc1(x) x = self.relu(x) x = self.fc2(x) return x 在上面的示例中，我们定义了一个简单的神经网络模型SimpleNN，包括两个全连接层和一个ReLU激活函数。__init__方法用于定义模型的结构，forward方法用于定义模型的前向传播过程。
要使用这个模型，可以实例化一个对象并传入输入数据进行前向传播计算：
model = SimpleNN() input_data = torch.randn(1, 784) # 创建一个输入数据张量 output = model(input_data) # 进行前向传播 print(output) 这样就可以在PyTorch中创建一个简单的神经网络模型了。您可以根据自己的需求定义更复杂的模型结构和前向传播过程。
