torch.nn.Sequential

作用

可以添加一系列的模型序列（卷积层，全连接层等），input被Sequential的forward函数接收后，会传给序列的第一个模型，然后一个接一个，输入接输出，最后会输出Sequential的最后一个模型的输出结果

使用方法

# AlexNet的网络结构
net = nn.Sequential(
			nn.Conv2d(3, 64, kernel_size=11, stride=4, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.Conv2d(64, 192, kernel_size=5, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.Conv2d(192, 384, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(384, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(256, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
)
out = net(input)  # 只需要给输入值，然后就会给出最后的模型输出结果
				  # 这里是MaxPool2d的输出结果