PyTorch中Sequential的构造方法

PyTorch是一个流行的深度学习框架，提供了丰富的工具和功能来构建神经网络模型。其中，torch.nn.Sequential是一个非常有用的类，用于按顺序组合多个层（layers）构建神经网络模型。本文将详细介绍PyTorch中Sequential的构造方法，并提供相应的源代码示例。

torch.nn.Sequential是一个容器类，可以按照顺序将各个层组合在一起，形成一个神经网络模型。它的构造方法有三种不同的方式，可以根据需要选择适合的方式来创建Sequential对象。

构造方法一：按顺序添加层

首先，我们可以通过按顺序添加层来构建Sequential对象。这种方式非常直观，只需按照网络的顺序添加每个层即可。

下面是一个简单的示例，展示了如何使用这种方式构建一个包含两个全连接层和一个ReLU激活函数的神经网络模型：

import torch
import torch.nn as nn

model = nn.Sequ