nn.Sequential()做一个融合

nn.Sequential()是一个用于构建神经网络模型的容器。它可以按顺序依次添加多个层，并将它们串联起来。在构建模型时，可以使用三种不同的方式来使用nn.Sequential()。

第一种方式是使用nn.Sequential()对象的add_module()方法来添加层。例如，可以通过下面的代码来创建一个带有卷积层、批量归一化层和激活函数层的模型：

net1 = nn.Sequential()
net1.add_module('conv', nn.Conv2d(3, 3, 3))
net1.add_module('batchnorm', nn.BatchNorm2d(3))
net1.add_module('activation_layer', nn.ReLU())

第二种方式是使用多个层类的实例作为nn.Sequential()的参数。例如，可以通过下面的代码来创建一个带有卷积层、批量归一化层和激活函数层的模型：

net2 = nn.Sequential(
    nn.Conv2d(3, 3, 3),
    nn.BatchNorm2d(3),
    nn.ReLU()
)

第三种方式是使用collections模块中的OrderedDict来指定层的顺序。例如，可以通过下面的代码来创建一个带有卷积层、批量归一化层和激活函数层的模型：

from collections import OrderedDict

net3= nn.Sequential(OrderedDict([
    ('conv', nn.Conv2d(3, 3, 3)),
    ('batchnorm', nn.BatchNorm2d(3)),
    ('activation_layer', nn.ReLU())
]))

以上三种方式都可以用来创建一个包含卷积层、批量归一化层和激活函数层的模型，它们的功能是相同的。