在Torch中定义一个神经网络模型通常需要创建一个类，并在类的构造函数中定义网络的结构。以下是一个简单的示例：
require 'nn'
-- 定义一个神经网络模型类
local MyNeuralNetwork = {}
MyNeuralNetwork.__index = MyNeuralNetwork
-- 构造函数
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
-- 前向传播函数
function MyNeuralNetwork:forward(input)
return self.model:forward(input)
end
-- 后向传播函数
function MyNeuralNetwork:backward(input, gradOutput)
return self.model:backward(input, gradOutput)
end
return MyNeuralNetwork
在这个示例中，我们定义了一个名为MyNeuralNetwork的神经网络模型类，它具有一个构造函数new来初始化网络结构，并且定义了前向传播和后向传播函数。在构造函数中，我们使用nn.Sequential()来创建一个序列模型，并添加了两个全连接层和一个ReLU激活函数。最后返回创建的模型实例。
您可以根据自己的需求修改模型的结构和参数，以构建不同的神经网络模型。
