什么是全连接神经网络
连接神经网络模型是一种多层感知机(MLP)，感知机的原理是寻找类别间最合理、最具有鲁棒性的超平面，最具代表的感知机是SVM支持向量机算法。神经网络同时借鉴了感知机和仿生学，通常来说，动物神经接受一个信号后会发送各个神经元，各个神经元接受输入后根据自身判断，激活产生输出信号后汇总从而实现对信息源实现识别、分类，一个典型的神经网络如下图所示：
如何实现多层全连接神经网络
全连接神经网络按类可分为三层，分别是输入层、隐藏层，输出层；其中输入层和输出层是已经确定的，要实现多层全连接神经网络，其方法就是将隐藏层设为多层的神经网络结构。
隐层层为一层时代码实现：
执行结果：
隐藏层设置为3层时代码实现：
执行结果：
结语
通过设置隐藏层的层数，可以成功的实现多层全连接神经网络，但是需要注意的时数据的输入格式，本次我们所用的数据为784维的向量作为输入数据，所以第一层的in_features的参数为784，如果更改为其他的参数，很有可能就会报错。