pytorch class Model

在PyTorch中，`Model`是一个基础类，通常作为其他神经网络模型的模板。用户可以继承自`nn.Module`类来创建自定义的模型结构。`nn.Module`是PyTorch神经网络模块库的基础类，它封装了一组层，并提供了方便的方法来进行训练、前向传播以及保存和加载模型等操作。下面是一个简单的`Model`类示例：

import torch.nn as nn

class MyModel(nn.Module):
    def __init__(self):
        super(MyModel, self).__init__()  # 调用基类的初始化方法
        self.layer1 = nn.Linear( input_size, hidden_size )   # 线性层实例
        self.layer2 = nn.ReLU()      # 激活层实例
        self.layer3 = nn.Linear(hidden_size, output_size)  # 另一层线性层实例

    def forward(self, x):
        out = self.layer1(x)       # 前向传播，输入通过各个层
        out = self.layer2(out)
        out = self.layer3(out)
        return out  # 返回最终输出

# 使用示例
model = MyModel()
input_tensor = torch.randn((batch_size, input_size))
output = model(input_tensor)

在这个例子中，`__init__`方法是构造函数，定义了模型的基本结构；`forward`方法则是模型的实际运行过程，接收输入并返回预测结果。你可以根据需要添加更多的层或定制化功能。