nn.Sequential用法

`nn.Sequential` 是 PyTorch 中的一个类，用于构建简单的神经网络模型，它可以按照传入的顺序连接多个层，这些层将会被依次执行。下面是一个简单的例子：

import torch.nn as nn

model = nn.Sequential(
    nn.Linear(784, 256),
    nn.ReLU(),
    nn.Linear(256, 128),
    nn.ReLU(),
    nn.Linear(128, 10),
    nn.LogSoftmax(dim=1)
)

以上代码构建了一个包含三个线性层、两个 ReLU 激活函数和一个 LogSoftmax 函数的神经网络模型。注意，这里的 `nn.Linear` 表示一个线性变换层，其参数为输入和输出数据的维度。

在实际使用中，我们可以通过 `model(input_tensor)` 来对输入数据进行前向传播运算，例如：

input_tensor = torch.randn(64, 784)
output_tensor = model(input_tensor)

这里的 `input_tensor` 是一个大小为 `(64, 784)` 的张量，表示有 64 个样本，每个样本有 784 个特征，然后我们通过 `model(input_tensor)` 进行前向传播运算，得到大小为 `(64, 10)` 的输出张量，表示每个样本属于 10 个类别的概率分布。

需要注意的是，`nn.Sequential` 只适用于那些按照顺序连接的简单神经网络模型，如果需要构建更加复杂的模型，可以使用 `nn.Module` 类来自定义模型。