torcn.nn是专门为神经网络设计的模块化接口. nn构建于autograd之上，可以用来定义和运行神经网络。
nn.Module是所有网络层基类，用来管理网络属性。所有的网络模型比如说LeNet模型，包括模型的所有子模块，卷积层、池化层也是一个nn.Module类

input—>神经网络（forward）–>output
下面写个示例来复习下forward()

import torch
from torch import nn

class Lwx(nn.Module):
    def __init__(self):
        super(Lwx, self).__init__()
    def forward(self,input):
        output = input+1
        return output

lwx=Lwx()
x=torch.tensor(1.0)
y=lwx(x)
# tensor(2.)
print(y)

在上组示例中，当调用lwx(x)时，系统会自动调用forward()函数并返回
有个关于nn.module模块写的不错
Pytorch nn.Module模块详解
标记下，以后忘了自己好看