Pytorch实战教程（三）-构建神经网络
0. 前言
我们已经学习了如何从零开始构建神经网络，神经网络通常包括输入层、隐藏层、输出层、激活函数、损失函数和学习率等基本组件。在本节中，我们将学习如何在简单数据集上使用 PyTorch 构建神经网络，利用张量对象操作和梯度值计算更新网络权重。
1. PyTorch 构建神经网络初体验
1.1 使用 PyTorch 构建神经网络
为了介绍如何使用 PyTorch 构建神经网络，我们将尝试解决两个数字的相加问题。
(1) 初始化数据集，定义输入 (x) 和输出 (y) 值：
import torch
x = [[1,2],[3,4],[5,6],[7,8]]
y = [[3],[7],[11],[15]]
在初始化的输入和输出变量中，输入中的每个列表的值之和就是输出列表中对应的值。
(2) 将输入列表转换为张量对象：
X = torch.tensor(x).float()
Y = torch.tensor(y).float()
在以上代码中，将张量对象转换为浮