Sequential super

在PyTorch中，可以通过继承nn.Sequential类来创建自定义的神经网络模型。通过继承nn.Sequential类，我们可以在子类中重写其构造函数，并在构造函数中调用父类的构造函数来进行一些初始化操作。

以下是一个示例代码：

import torch.nn as nn

class MyModel(nn.Sequential):
    def __init__(self, input_size, hidden_size, num_classes):
        super().__init__(
            nn.Linear(input_size, hidden_size),
            nn.ReLU(),
            nn.Linear(hidden_size, num_classes)
        )
        # 添加其他需要的操作或层

# 创建自定义模型的实例
model = MyModel(input_size=100, hidden_size=64, num_classes=10)

在这个示例中，我们创建了一个名为MyModel的子类，它继承自nn.Sequential类。在子类的构造函数中，我们首先调用了父类nn.Sequential的构造函数super().__init__()，然后按照顺序添加了线性层和激活函数层。你可以根据自己的需求添加其他层或操作。

这样，通过继承nn.Sequential类并重写构造函数，我们可以方便地创建自定义的神经网络模型。