torch.nn.Sequential(*augments)

`torch.nn.Sequential(*augments)`是PyTorch中的一个类，它是一个容器，可以将多个神经网络模块按照顺序组合在一起，形成一个新的神经网络模型。在模型的前向传播中，数据会按照顺序依次经过所有的模块，每个模块对数据进行一定的处理，最终输出经过所有模块处理后的结果。

`*augments`参数是可变参数，表示可以传入任意多个模块。在创建Sequential对象时，我们可以将多个模块作为参数传入，它们会按照顺序组成一个新的神经网络模型。例如：

import torch.nn as nn

model = nn.Sequential(
    nn.Linear(10, 20),
    nn.ReLU(),
    nn.Linear(20, 30),
    nn.ReLU(),
    nn.Linear(30, 1)
)

这个例子中，我们首先定义了一个3层的全连接神经网络，其中输入层有10个神经元，第一隐藏层有20个神经元，第二隐藏层有30个神经元，输出层有1个神经元。每个层之间都使用ReLU激活函数进行非线性变换。我们将这些层按照顺序传入Sequential对象，组成一个新的神经网络模型。在模型的前向传播中，数据会依次经过每个层进行计算。