我们希望构建一个类似于随机大脑的神经元网络。这意味着：
- 我们有AxB个输入和CxD个输出。
- 我们希望有K个神经元（其中K >= CxD），这些神经元之间随机连接。
- 然而，所有K个神经元都必须至少连接到AxB个输入中的一个，
- 并且所有K个神经元都必须至少连接到CxD个输出中的一个。
类似于这样的结构（这里AxB=5, K=4, CxD=2）：
神经元应执行的操作是加权求和加上某种减少操作，如LeakyReLU。
可以想象，当连接的随机性被控制，使得连接在图像块上局部化，类似于CNN的层时，可以产生有趣的结果。
如何在PyTorch中实现这种逐个处理神经元的方法呢？
回答：
这里有两个问题：主要问题是如何随机抽样连接，次要问题是如何优化一个稀疏的线性层。
关于次要问题，你可以根据链接的答案实现一个稀疏全连接层。
关于随机连接性，你需要以一种没有“循环”的方式来实现它。
