如何在Gluon中创建神经网络模型

在Gluon中创建神经网络模型可以通过定义一个继承自gluon.Block的子类来实现。以下是一个简单的例子：

from mxnet.gluon import nn  class SimpleNet(nn.Block):     def __init__(self, **kwargs):         super(SimpleNet, self).__init__(**kwargs)         with self.name_scope():             self.fc1 = nn.Dense(128, activation='relu')             self.fc2 = nn.Dense(10)      def forward(self, x):         x = self.fc1(x)         x = self.fc2(x)         return x  # 创建一个SimpleNet实例 net = SimpleNet()  # 打印网络结构 print(net) 

在这个例子中，我们创建了一个简单的神经网络模型SimpleNet，包含两个全连接层fc1和fc2。forward方法定义了正向传播的过程，即输入数据x通过fc1和fc2层得到输出。最后，我们实例化了SimpleNet类，并打印出网络结构。