PyTorch 模型

您将使用面向对象编程（OOP）方式来定义模型结构。回顾一下，这需要先建立一个模型类，并在其中定义两个方法：

.__init__()：在这里定义将要使用的各层；
forward()：在这里定义模型接收输入后会发生什么；也就是将输入依次传过预先定义的各层。

我们来构建一个包含 3 个线性层且使用 ReLU 激活的模型。在最后一个线性层之后，需要改用 sigmoid 激活，这非常适合我们这样的二分类任务（预测饮用水可饮用性）。下面是使用 nn.Sequential() 定义的等价模型，您可能更熟悉这种写法：

net = nn.Sequential(
  nn.Linear(9, 16),
  nn.ReLU(),
  nn.Linear(16, 8),
  nn.ReLU(),
  nn.Linear(8, 1),
  nn.Sigmoid(),
)

现在，让我们把这个模型改写成一个类！

在 .__init__() 方法中，按照给定的模型定义设置 3 个线性层的维度，并分别赋给 self.fc1、self.fc2 和 self.fc3。
在 forward() 方法中，将模型输入 x 依次传过所有层，并为它们添加相应的激活函数，方式与第一层中已有的做法类似。