base转变pytorch

在PyTorch中，`base`通常是指基础模型、基础层或者是模型的基类，它不是特定的概念，而是指那些可以被其他更复杂的模型继承并扩展的基本组件。例如，如果你在创建深度学习模型时，可能会有一个名为`BaseModel`的基类，这个基类会包含一些通用的网络结构、初始化函数、损失计算等基本功能。

当你需要创建一个新的模型时，比如一个卷积神经网络(CNN)或者循环神经网络(RNN)，你可以从`BaseModel`派生出新的子类，如`ConvNetModel`或`RNNModel`，然后在这个子类中添加特殊的层或者调整部分结构，这就是所谓的“继承”。

class BaseModel(torch.nn.Module):
    def __init__(self):
        super(BaseModel, self).__init__()
        # 基础网络结构

class ConvNetModel(BaseModel):
    def __init__(self):
        super(ConvNetModel, self).__init__()
        # 添加卷积层

class RNNModel(BaseModel):
    def __init__(self):
        super(RNNModel, self).__init__()
        # 添加循环层