nn.sequential和nn.Module

`nn.Sequential` 和 `nn.Module` 都是 PyTorch 中用于构建神经网络模型的核心模块。

`nn.Sequential` 是一个简单而方便的容器，它按照指定的顺序连接一组 `nn.Module` 实例，形成了一个处理输入数据的一系列操作。你可以把它想象成一个“管道”，每个层都在管道里依次处理前一层的输出。例如：

model = nn.Sequential(
    nn.Linear(input_size, hidden_size),
    nn.ReLU(),
    nn.Linear(hidden_size, output_size)
)

在这个例子中，`input_size` 是输入数据的维度，`hidden_size` 是隐藏层的大小，`output_size` 是预测结果的维度。模型会先通过线性层，然后经过ReLU激活函数，最后再通过第二个线性层得到输出。

另一方面，`nn.Module` 是所有自定义和预定义模块的基础类。它是所有神经网络层和模块的基类，提供了许多通用功能如初始化、前向传播等。当你创建一个新的层时，通常会继承自 `nn.Module` 并覆盖必要的方法，如 `__init__` 初始化器和 `forward` 前向传播函数。例如：

class CustomLayer(nn.Module):
    def __init__(self, input_size, output_size):
        super().__init__()
        self.linear = nn.Linear(input_size, output_size)

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

在这里，`CustomLayer` 类就是一个自定义的模块，它包含了 `nn.Module` 的基本结构，并且有自己的特定计算逻辑。