class Network(nn.Module):

`Network(nn.Module)` 是一个使用 PyTorch (一个开源的深度学习库) 中定义的类，它属于 `nn.Module` 类，这是 Torch 的核心模块之一。`nn.Module` 是所有神经网络模型的基础，它提供了一些基本功能，如自动求导、注册层和参数等。

当你创建一个继承自 `nn.Module` 的类，比如 `Network`，通常是为了构建一个可以训练的深度学习模型。在这个类中，你可以定义网络的结构，比如添加线性层、卷积层、池化层或者其他自定义层。每个层都有其特定的前向传播 (`forward()`) 方法，该方法定义了数据通过网络的计算流程。

例如：

class Network(nn.Module):
    def __init__(self):
        super(Network, self).__init__()
        self.fc1 = nn.Linear(784, 128)
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(128, 64)
        self.fc3 = nn.Linear(64, 10)

    def forward(self, x):
        x = self.fc1(x)
        x = self.relu(x)
        x = self.fc2(x)
        x = self.relu(x)
        x = self.fc3(x)
        return x

在这里，`__init__` 函数初始化网络结构，`forward` 方法定义了输入数据从输入到输出的完整路径。当你实例化并训练这个 `Network` 对象时，PyTorch会自动跟踪所有的参数，并在反向传播算法中更新它们。