模块中没有Add Modules

如果你在使用某个深度学习框架（如PyTorch或TensorFlow）时，想要添加新的模块，可以使用该框架提供的API来创建新的模块。在PyTorch中，你可以使用`nn.Module`类来创建自定义模块。例如，下面的代码创建了一个自定义模块：

import torch.nn as nn

class MyModule(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(MyModule, self).__init__()
        self.fc1 = nn.Linear(input_size, hidden_size)
        self.fc2 = nn.Linear(hidden_size, output_size)

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

在这个例子中，我们定义了一个叫做`MyModule`的自定义模块，它包含两个全连接层。`__init__`函数用于初始化模块的参数，`forward`函数定义了模块的前向传播过程。

如果你想要使用这个模块，可以像使用其他模块一样将它添加到你的网络中：

import torch.nn as nn

class MyNetwork(nn.Module):
    def __init__(self):
        super(MyNetwork, self).__init__()
        self.module = MyModule(10, 20, 5)

    def forward(self, x):
        x = self.module(x)
        return x

在这个例子中，我们定义了一个包含一个自定义模块的网络。在`__init__`函数中，我们创建了一个`MyModule`实例，并将其存储为`self.module`，在`forward`函数中，我们使用这个模块对输入进行处理。