import torch.nn as nn

当你在Python编程中引入`torch.nn`模块时，你实际上是导入了PyTorch库中的神经网络（Neural Network）功能部分。`nn`是PyTorch神经网络模块的别名，它提供了一系列预定义的层（Layers）、激活函数（Activations）、损失函数（Loss Functions）以及优化器（Optimizers）等用于构建深度学习模型的基础组件。

在这个上下文中，`nn.Module`是一个基础类，所有的自定义神经网络层都应该继承自这个类。例如，你可以创建一个新的卷积层`Conv2d`或者全连接层`Linear`，它们都会自动包含训练时所需的前向传播和反向传播（Forward and Backward Propagation）机制。

常见的操作包括定义网络结构、设置超参数、初始化权重和偏置、以及定义计算流程（如`forward()`方法）。此外，`nn`模块还包含了像`MSELoss`, `CrossEntropyLoss`这样的常用损失函数，以及`Adam`, `SGD`等优化器。

# 示例：定义一个简单的全连接网络
class MyModel(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(MyModel, self).__init__()
        self.fc1 = nn.Linear(input_size, hidden_size)
        self.fc2 = nn.Linear(hidden_size, output_size)

    def forward(self, x):
        x = F.relu(self.fc1(x))  # 使用ReLU激活
        x = self.fc2(x)
        return x

model = MyModel(input_size=784, hidden_size=512, output_size=10)  # 创建网络实例