实现单层softmax二分类，输入特征维度为4，输出为2，经过softmax函数得出输入的类别概率。

代码示意：

定义网络结构；

使用SGD优化；

迭代一次，随机初始化三个样例(相当于一个Batch），每个样例四维特征，target分别为1,0,1；

前向传播，使用交叉熵计算loss；

反向传播，最后由优化算法更新权重，完成一次迭代。

import torch
import torch.nn as nn
import torch.nn.functional as F

class Net(nn.Module):

    def __init__(self):
        super(Net, self).__init__()
        self.linear = nn.Linear(4, 2)

    def forward(self, input):
        out = F.softmax(self.linear(input))
        return out

net = Net()
sgd = torch.optim.SGD(net.parameters(), lr=0.001)
for epoch in range(1):
    features = torch.autograd.Variable(torch.randn(3, 4), requires_grad=True)
    target = torch.autograd.Variable(torch.LongTensor([1, 0, 1]))
    sgd.zero_grad()

    out = net(features)
    loss = F.cross_entropy(out, target)
    loss.bac