tensorlayer中的models的model

在 TensorLayer 中，`models` 模块提供了一些预定义的神经网络模型，可以直接调用来构建自己的深度学习模型。`models` 模块中的 `model` 类是一个抽象基类，定义了所有预定义模型所需实现的方法和属性。

预定义模型通常都继承自 `model` 类，并实现了它的抽象方法和属性。例如：

import tensorlayer as tl

class MyModel(tl.models.Model):
    def __init__(self):
        super(MyModel, self).__init__()
        self.conv1 = tl.layers.Conv2d(64, (3, 3), (1, 1), padding='SAME', act=tl.ReLU, name='conv1')
        self.conv2 = tl.layers.Conv2d(128, (3, 3), (1, 1), padding='SAME', act=tl.ReLU, name='conv2')
        self.flatten = tl.layers.Flatten(name='flatten')
        self.dense = tl.layers.Dense(n_units=10, act=tl.ReLU, name='dense')

    def forward(self, x):
        x = self.conv1(x)
        x = self.conv2(x)
        x = self.flatten(x)
        x = self.dense(x)
        return x

在这个例子中，`MyModel` 继承自 `tl.models.Model`，并实现了 `forward` 方法。这个模型与上面的例子中的自定义模型是相同的，只不过这个模型继承自 `tl.models.Model`，可以直接使用 TensorLayer 提供的许多工具函数和方法来构建和训练模型。