PyTorch 训练神经网络模型，并集成到springboot项目中

使用 PyTorch 训练一个 5 输入单输出的神经网络模型（含隐藏层），导出为 ONNX 格式，再用 Java 加载推理。
一、PyTorch 训练 5 输入神经网络并导出 ONNX

1. 模型设计
   输入：5 个特征（in_features=5）
   网络结构：2 层隐藏层（带 ReLU 激活）+ 输出层（线性激活，适合回归任务）
   任务：预测一个连续值（例如根据 5 个特征预测某个指标）
2. 完整代码（PyTorch 部分）
   python
   运行
   import torch
   import torch.nn as nn
   import torch.optim as optim

1. 定义神经网络模型（5输入 → 隐藏层 → 输出）

class NeuralNetwork(nn.Module):
def init(self):
super().init()
# 隐藏层1：5→16，ReLU激活
self.layer1 = nn.Linear(in_features=5, out_features=16)
# 隐藏层2：16→8，ReLU激活
self.layer2 = nn.Linear(in_features=16, out_features=8)
# 输出层：8→1（单输出）
self.output_layer = nn.Linear(in_features=8, out_features=1)
self.relu = nn.ReLU() # 激活函数

def forward(self, x):x = self.relu(self.layer1(x))  # 第一层 + ReLUx = self.relu(self.layer2(x))  # 第二层 + ReLUx = self.output_layer(x)       # 输出层（无激活，适合回归）r