Seu objetivo é treinar e avaliar uma rede neural simples utilizando o conjunto de dados Iris, que consiste em medidas de flores e classificação de espécies.

1. Divida o conjunto de dados em conjuntos de treinamento e teste, alocando 20% para o conjunto de teste e definindo o estado aleatório como 42.
2. Converta X_train e X_test em tensores PyTorch do tipo float32.
3. Converta y_train e y_test em tensores PyTorch do tipo long.
4. Defina um modelo de rede neural criando a classe IrisModel.
5. Implemente duas camadas totalmente conectadas e aplique a função de ativação ReLU na camada oculta.
6. Inicialize o modelo com o tamanho de entrada correto, tamanho da camada oculta igual a 16 e tamanho de saída.
7. Defina a função de perda como cross-entropy loss e o otimizador como Adam com taxa de aprendizado de 0.01.
8. Treine o modelo por 100 épocas realizando propagação direta, cálculo da perda, retropropagação e atualização dos parâmetros do modelo.
9. Coloque o modelo em modo de avaliação após o treinamento.
10. Desabilite o cálculo de gradientes durante o teste para melhorar a eficiência.
11. Calcule as previsões no conjunto de teste utilizando o modelo treinado.
12. Determine os rótulos de classe previstos com base nas previsões brutas.