Pytorch 如何避免正确创建网络结构

我试图在我的神经网络模型中定义feedforwad函数：

class FeedForward(nn.Module):
    def __init__(self):
        super(FeedForward,self).__init__() 
        self.fc1 = nn.Linear(784, 256)
        self.fc2 = nn.Linear(256, 64)
        self.fc2 = nn.Linear(64, 10)

    def feedforward(self, x):
        x = x.view(x.shape[0], -1)  # make sure inputs are flattened 

        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = F.relu(self.fc3(x))
        x= F.log_softmax(x, dim=1)  # preserve batch dim

        return x

消息说：

未实现错误

---

我不确定我遗漏了什么。

方法名称必须是

forward

，而不是

feedforward

：

类前馈（nn.模块）：
定义初始化（自）：
超级（前馈，自）。\uuuu初始化
self.fc1=nn.Linear（784256）
self.fc2=nn.Linear（256,64）
self.fc2=nn.Linear（64,10）
def前锋（赛尔夫，x）：#这正是皮托克所期望的
x=x.view（x.shape[0]，-1）#确保输入是平坦的
x=F.relu（自fc1（x））
x=F.relu（自身fc2（x））
x=F.relu（自身fc3（x））
x=F.log_softmax（x，dim=1）#保留批量dim
返回x