**from torch import nn

`from torch import nn` 是 Python 中导入 PyTorch 库并引入神经网络（nn）模块的一个常见做法。PyTorch 是一种广泛使用的深度学习框架，它由 Facebook AI 研究院开发。在这个语句中，“torch”表示库名，“nn”指的是神经网络组件。

下面是如何使用 `nn.Module` 创建简单的线性层示例：

# 导入所需模块
from torch import nn

# 定义一个类继承自 nn.Module
class SimpleLinearLayer(nn.Module):
    def __init__(self, input_size, output_size):
        super(SimpleLinearLayer, self).__init__()
        # 初始化线性层
        self.linear_layer = nn.Linear(input_size, output_size)

    def forward(self, x):
        return self.linear_layer(x)

# 实例化类
model = SimpleLinearLayer(10, 5)
input_data = torch.randn(1, 10)  # 假设输入维度为 (batch_size, input_size)
output = model(input_data)

print(output.shape)  # 打印输出形状，通常会是 (batch_size, output_size)

在这个例子中，我们创建了一个名为 `SimpleLinearLayer` 的类，它从 `nn.Module` 继承而来。这个类有两个参数 `input_size` 和 `output_size`，用于定义线性层的输入和输出维度。`forward` 方法则是神经网络的核心部分，在这里执行前向传播计算。

`nn.Module` 类提供了许多有用的方法来帮助管理模型结构，包括保存和加载权重、正则化以及实现自定义的前向传播逻辑。这些特性使得构建复杂的神经网络变得非常方便。

---
## 相关问题：
1. 如何初始化特定类型的层（如卷积层、池化层等）？
2. 如何利用 PyTorch 进行反向传播以更新模型参数？
3. 如何在 PyTorch 中定义和训练深度神经网络？