Notes on Section 5.1

在神经网络中，层一般指的是“（1）接受一组输入， （2）生成相应的输出， （3）由一组可调整参数描述。”的这样一个整体

我们可以将多个层整合，称为“块”，块之间也可以继续连接形成更大更复杂的块，事实上这一生成过程往往是递归的

一个块需要具有以下功能

1就是说需要一个输入，2就是说会给出一个输出，345就是指会存所有需要的东西

我们可以使用这样一个class块来实现简洁的块功能，但是这个块是固定的

（nn.Module/super都是用来在块内部使用nn库的函数而设计的）

所以我们可以用同样的思路写一个自定义块

注意的是这里的_modules是一个特定的写法，这样子pytorch才能正确识别我们写入的层并正确执行相关的流程

于是我们也可以给层加入一些固定参数（比如一个不被反向传播更新参数的固定层，和最后控制L1范数而不断折半的while循环，这个while循环并不会影响反向传播的运作）

然后，最后我们可以把这些自定义的块组装在Sequential里