给出class-agnostic模块的pytorch示例代码，并给出注释

以下是一个简单的class-agnostic模块的PyTorch示例代码，该模块使用全连接层进行特征提取和分类：

import torch
import torch.nn as nn

class ClassAgnosticModule(nn.Module):
    def __init__(self, input_dim, hidden_dim, output_dim):
        super(ClassAgnosticModule, self).__init__()
        self.fc1 = nn.Linear(input_dim, hidden_dim) # 全连接层1
        self.relu = nn.ReLU() # 激活函数
        self.fc2 = nn.Linear(hidden_dim, output_dim) # 全连接层2

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

注释：

- `nn.Module`是PyTorch中所有神经网络模块的基类。
- `__init__`方法用于定义模型的结构，接受输入维度、隐藏层维度和输出维度作为参数，并初始化模型的全连接层。在这个例子中，我们定义了两个全连接层。
- `forward`方法定义了模型的前向传播过程，接受输入张量`x`，并将其传递给全连接层进行特征提取和分类。在这个例子中，我们使用ReLU作为激活函数。
- `Linear`是PyTorch中的全连接层实现，接受输入维度和输出维度作为参数，并自动进行权重初始化。