模型容器与AlexNet构建

一、模型容器——Containers

nn.Sequential 是 nn.module的容器，用于按顺序包装一组网络层

Sequential 容器

nn.Sequential 是 nn.module的容器，用于按顺序包装一组网络层
• 顺序性：各网络层之间严格按照顺序构建
• 自带forward()：自带的forward里，通过for循环依次执行前向传播运算

Sequential 是 PyTorch 中的一个容器类，用于将多个模块按照顺序组合在一起形成一个模型。Sequential 容器允许我们按照顺序添加不同的层或模块，以构建神经网络模型。

使用 Sequential 容器，可以通过简单的方式定义一个模型，无需手动编写 forward() 函数。只需要按照顺序将模块添加到 Sequential 容器中，输入数据会按照添加的顺序依次经过每个模块进行计算。

下面是使用 Sequential 容器构建一个简单的神经网络模型的示例：

import torch
import torch.nn as nn

# 创建一个Sequential容器，并按顺序添加模块
model = nn.Sequential(
    nn.Linear(in_features=100, out_features=64),  # 添加一个线性层，输入维度为100，输出维度为64
    nn.ReLU(),  # 添加ReLU激活函数
    nn.Linear(in_features=64, out_features=10),  # 添加一个线性层，输入维度为64，输出维度为10
    nn.Softmax(dim=1)  # 添加Softmax函数，dim=1表示按行计算Softmax
)

在上面的示例中，我们首先