Ваша мета — навчити та оцінити просту нейронну мережу, використовуючи набір даних Iris, який містить вимірювання квітів та їх класифікацію за видами.

1. Розділіть набір даних на навчальну та тестову вибірки, виділивши 20% для тестової вибірки та встановивши random state на 42.
2. Перетворіть X_train та X_test у тензори PyTorch типу float32.
3. Перетворіть y_train та y_test у тензори PyTorch типу long.
4. Визначте модель нейронної мережі, створивши клас IrisModel.
5. Реалізуйте два повнозв'язані шари та застосуйте функцію активації ReLU у прихованому шарі.
6. Ініціалізуйте модель з правильним розміром вхідного шару, розміром прихованого шару 16 та розміром вихідного шару.
7. Визначте функцію втрат як cross-entropy loss, а оптимізатор — Adam з коефіцієнтом навчання 0.01.
8. Навчайте модель протягом 100 епох, виконуючи пряме поширення, обчислення втрат, зворотне поширення та оновлення параметрів моделі.
9. Після навчання переведіть модель у режим оцінювання.
10. Вимкніть обчислення градієнтів під час тестування для підвищення ефективності.
11. Обчисліть передбачення на тестовій вибірці за допомогою навченої моделі.
12. Визначте передбачені мітки класів на основі сирих передбачень.