SHLYYY

对于标准深度学习模型，我们可以使用框架的预定义好的层。这使我们只需关注使用哪些层来构造模型，而不必关注层的实现细节。我们首先定义一个模型变量net，它是一个Sequential类的实例。Sequential类将多个层串联在一起。当给定输入数据时，Sequential实例将数据传入到第一层， 然后将第一层的输出作为第二层的输入，以此类推。在下面的例子中，我们的模型只包含一个层，因此实际上不需要Sequential。但是由于以后几乎所有的模型都是多层的，在这里使用Sequential。

我们必须定义模型，将模型的输入和参数同模型的输出关联起来。要计算线性模型的输出， 我们只需计算输入特征XXX和模型权重www的矩阵-向量乘法后加上偏置bbb。注意，上面的XwXwXw是一个向量，而bbb是一个标量，由于广播机制： 当我们用一个向量加一个标量时，标量会被加到向量的每个分量上。"""线性回归模型"""因为需要计算损失函数的梯度，所以我们应该先定义损失函数。这里使用平方损失函数。"""均方损失"""