适合：想从零搭建神经网络、理解PyTorch核心层的新手核心内容：网络定义流程、核心层解析（Flatten/Linear/ReLU/Softmax）、参数管理一、神经网络核心概念神经网络由对数据执行操作的层/模块组成。torch.nn命名空间提供了构建自定义神经网络所需的所有基础组件：每个 PyTorch 模块都继承自nn.Module；神经网络本身也是一个模块，由其他子模块（层）组成；这种嵌套结构可以轻松构建和管理复杂的网络架构。本文将以 FashionMNIST 图像分类任务为例，完整拆解神经网络的构建流程。前置导入（代码）importosimporttorchfromtorchimportnnfromtorch.utils.dataimportDataLoaderfromtorchvisionimportdatasets,transforms二、选择训练设备我们希望在 CUDA/MPS/MTIA/XPU 等加速器上训练模型：如果当前有可用的加速器，则使用它；否则使用 CPU。# 自动检测并选择训练设备device=torch.accelerator.current_accelerator().typeiftorch.accelerator.is_available()else"cpu"print(f"Using{device}device")# 输出示例：Using cuda device三、定义神经网络类（核心）3.1 定义规则（原文翻译）通过继承nn.Module定义神经网络：在__init__方法中初始化神经网络层；每个nn.Module子类都需在forward方法中实现输入数据的运算逻辑。3.2 完整网络代码（附翻译+注释）classNeuralNetwork(nn.Module):def__init__(self):super().__init__()# 展平层：将2D图像转为1D向量self.flatten=nn.Flatten()# 序列容器：按顺序堆叠线性层+ReLU激活层self.linear_relu_stack=nn.Sequential(nn.Linear(28*28,512),# 输入层：7