一、核心组件
神经网络由四大核心组件构成：
层：基础结构单元，实现张量数据变换。
模型：多层组合形成的网络整体，完成输入到输出的映射。
损失函数：计算预测值与真实值差异，为参数优化提供方向。
优化器：通过算法（如梯度下降）最小化损失，更新模型参数。
二、核心构建工具
|---------------|----------------------|-------------------|
| 工具 | 特点 | 适用场景 |
| nn.Module | 可实例化对象，自动管理参数，支持状态切换 | 卷积层、全连接层等需参数学习的组件 |
| nn.functional | 纯函数，需手动传参，无状态切换 | 激活函数、池化层等无参数组件 |
三、模型构建方法
- 继承 nn.Module 基类：自定义层定义与前向传播，灵活性最高。
- nn.Sequential 顺序构建：支持可变参数、add_module、OrderedDict 三种方式，适用于线性串联的简单模型。
- 基类 + 模型容器：结合灵活性与便捷性，容器包括 Sequential（顺序封装）、ModuleList（列表存储）、ModuleDict（字典存储）。
四、自定义模块
以残差块为例：
1.基础残差块：输入输出直接相加，解决梯度消失问题。
2.下采样残差块：加 1×1 卷积调整形状，适配特征图尺寸 / 通道变化。
3.组合构建 ResNet18 等复杂网络。