pytorch nn.Sequential

PyTorch的nn.Sequential是一个方便的模型容器，允许我们按顺序组合多个神经网络层。它接受一系列的层作为输入，并按照它们在序列中的顺序依次执行。每个层的输出都作为下一层的输入。这使得模型的定义变得简洁和易于阅读。

下面是一个使用nn.Sequential创建简单模型的示例：

import torch
import torch.nn as nn

# 定义模型结构
model = nn.Sequential(
    nn.Linear(100, 64),  # 第一层：线性变换，输入维度为100，输出维度为64
    nn.ReLU(),           # 第二层：ReLU激活函数
    nn.Linear(64, 10),   # 第三层：线性变换，输入维度为64，输出维度为10
    nn.Softmax(dim=1)    # 第四层：Softmax函数，dim=1表示按行进行Softmax
)

# 打印模型结构
print(model)

# 使用模型进行前向传播
x = torch.randn(32, 100)  # 输入数据维度为(32, 100)
output = model(x)         # 模型输出

# 输出模型的预测结果
print(output)

在上述示例中，我们使用nn.Sequential按顺序定义了一个简单的模型。它包含了两个线性层（nn.Linear）、一个ReLU激活函数（nn.ReLU）和一个Softmax函数（nn.Softmax）。输