nn.Sequential()模块

`nn.Sequential()`是PyTorch中的一个模块，它允许我们按顺序组合多个神经网络层。通过将这些层按顺序传递给`nn.Sequential()`，可以创建一个模型，其中每个层的输出都作为下一层的输入。

下面是一个简单的例子，展示如何使用`nn.Sequential()`创建一个具有三个全连接层的模型：

import torch
import torch.nn as nn

# 定义模型
model = nn.Sequential(
    nn.Linear(input_size, hidden_size),  # 第一个全连接层
    nn.ReLU(),                           # ReLU激活函数
    nn.Linear(hidden_size, output_size)  # 第二个全连接层
)

# 使用模型进行前向传播
input_data = torch.randn(batch_size, input_size)
output = model(input_data)

在这个例子中，模型由三个层组成：第一个全连接层 (`nn.Linear`)，ReLU激活函数 (`nn.ReLU`) 和第二个全连接层 (`nn.Linear`)。输入数据通过这些层后，得到最后的输出。

`nn.Sequential()`使模型的定义更加简洁和直观，特别是当模型是线性堆叠的情况下。但是请注意，`nn.Sequential()`适用于那些按照顺序进行前向传播的模型，如果模型结构更加复杂，可能需要使用其他方式来定义模型。