recurrent layers一般是特定的结构，在语音识别和创作用的比较多，又RNN,LSTM,GRU一些东西。

transform 层nlp常用，在cv领域表现得很不错

线性层，infeature和outfeature还有一个偏置

dropout层，是为了防止过拟合，把其中的一些值以概率为p转换成0

embedding是处理自然语言的一个层

distance function是计算两个点的误差，用什么函数来衡量的

loss function也是衡量误差来使用的

torchvison中有很多model，用于图形处理现成的，包括alexmodel，可以直接调用，语音方面也会有，但是文字当面没有

CIF10图片的神经网络：卷积--最大池化--卷积--池化--卷积--池化--展平变换--全连接

代码实现：

如果1024不会算，可以删除后面两部，先进行下去

双击每个单元都可以查看里面的结构