一、神经网络是什么
神经网络在人工智能和深度学习的领域，一般称为人工神经网络，即ANN(Artificial Neural Network)，是一种模仿人脑神经系统工作方式的计算模型。被广泛应用于人工智能、自动控制、机器人、统计学等领域的信息处理中。
二、如何搭建一个属于自己的神经网络
搭建一个神经网络，需要借用torch中的nn模块，也就是Neural Network（神经网络）模块
还是要遵循以下的步骤：导包——构造神经网络骨架（模型）——定义实体类（调用辅助类或函数）——调用输入数据进行训练——得出训练结果
1、导包
import torch
from torch import nn2、搭建神经网络模型
class W(nn.Module):def __init__(self):super(W,self).__init__() def forward(self,input):output = input + 1return output这个自定义的W神经网络训练模型继承于nn的Module模块。Module模块用于搭建最基本的神经网络骨架，它是所有神经网络模块的基类。
里面需要重写两个函数，一个是构造函数init，一个是前向函数forward（区别于backword反向传播，后面会学习到），super()的作用是调用父类构造函数确保子函数正常运行，在forward中可以写相关的训练操作
可以参考Pytorch的官方文档，里面有对Module的详细介绍
Module — PyTorch 2.3 documentation
https://pytorch.org/docs/stable/generated/torch.nn.Module.html#torch.nn.Module
3、利用模型训练
创建神经网络模型实例对象，利用数据进行训练，得出训练结果并输出
注意：输入的类型为tensor张量
w = W()
x = torch.tensor(1.0)
输出的训练结果为tensor张量
tensor(2.)
三、完整代码展示
# -*- coding: utf-8 -*-
# @Author: hxm
import torch
from torch import nnclass W(nn.Module):def __init__(self):super(W, self).__init__()def forward(self,input):output = input + 1return outputw = W()
x = torch.tensor(1.0)
output = w(x)
print(output)
