在Torch中定義一個神經網絡模型通常需要創建一個類，并在類的構造函數中定義網絡的結構。以下是一個簡單的示例：
require 'nn'
-- 定義一個神經網絡模型類
local MyNeuralNetwork = {}
MyNeuralNetwork.__index = MyNeuralNetwork
-- 構造函數
function MyNeuralNetwork.new(inputSize, hiddenSize, outputSize)
local self = setmetatable({}, MyNeuralNetwork)
self.model = nn.Sequential()
self.model:add(nn.Linear(inputSize, hiddenSize))
self.model:add(nn.ReLU())
self.model:add(nn.Linear(hiddenSize, outputSize))
return self
end
-- 前向傳播函數
function MyNeuralNetwork:forward(input)
return self.model:forward(input)
end
-- 后向傳播函數
function MyNeuralNetwork:backward(input, gradOutput)
return self.model:backward(input, gradOutput)
end
return MyNeuralNetwork
在這個示例中，我們定義了一個名為MyNeuralNetwork的神經網絡模型類，它具有一個構造函數new來初始化網絡結構，并且定義了前向傳播和后向傳播函數。在構造函數中，我們使用nn.Sequential()來創建一個序列模型，并添加了兩個全連接層和一個ReLU激活函數。最后返回創建的模型實例。
您可以根據自己的需求修改模型的結構和參數，以構建不同的神經網絡模型。
