C++ torch::nn::Sequential如何使用

在PyTorch（C++版本）中，`torch::nn::Sequential`是一个用于线性堆叠神经网络层的模块容器，它使得构建深层模型变得更加简单。你可以按照以下步骤使用`Sequential`：

1. **创建 Sequential 对象**：

   auto model = torch::nn::Sequential();

2. **添加层**：

   // 添加全连接层 (Linear)
   model.add_module("fc1", torch::nn::Linear(input_size, hidden_size));
   
   // 或者添加卷积层 (Conv2d)
   model.add_module("conv1", torch::nn::Conv2d(in_channels, out_channels, kernel_size));

每次`add_module`都会给每个层分配一个新的名字，方便后续访问。

3. **设置权重和偏差**：

   // 初始化权重和偏差
   torch::no_grad(); // 开启无梯度模式
   model.fc1.weight.data() = ...; // 设置权重
   model.fc1.bias.data() = ...; // 设置偏置

4. **处理输入**：

   at::Tensor input = ...; // 定义输入张量
   at::Tensor output = model(input);

`output`将是通过所有添加到`Sequential`中的层应用到输入后的结果。

5. **训练或评估**：

   for (int epoch = 0; epoch < num_epochs; ++epoch) {
       // 执行训练迭代...
       loss.backward();
       optimizer.step();
       optimizer.zero_grad();
   }