在PyTorch中，搭建自己的神經網絡通常需要以下步驟：

1. 導入必要的庫：

import torch
import torch.nn as nn
import torch.optim as optim

2. 創建一個自定義的神經網絡類，繼承nn.Module類，并在構造函數中定義網絡的結構：

class MyNet(nn.Module):
    def __init__(self):
        super(MyNet, self).__init__()
        self.fc1 = nn.Linear(input_size, hidden_size)
        self.fc2 = nn.Linear(hidden_size, output_size)
    
    def forward(self, x):
        x = torch.relu(self.fc1(x))
        x = self.fc2(x)
        return x

3. 定義輸入數據的維度和輸出數據的維度：

input_size = 784  # 輸入數據的維度
hidden_size = 128  # 隱藏層的大小
output_size = 10  # 輸出數據的維度

4. 初始化神經網絡模型：

model = MyNet()

5. 定義損失函數和優化器：

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=0.01)

6. 訓練神經網絡模型：

for epoch in range(num_epochs):
    for i, (inputs, labels) in enumerate(train_loader):
        outputs = model(inputs)
        loss = criterion(outputs, labels)
        
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()

通過以上步驟，您就可以在PyTorch中搭建自己的神經網絡并進行訓練。您可以根據自己的需求定義不同的網絡結構和參數，以得到最佳的訓練效果。