在熟悉了PyTorch张量和用于梯度计算的Autograd系统后，我们现在开始构建神经网络本身。本章主要介绍torch.nn包，它是PyTorch用于高效构建网络结构的专用库。

你将学习如何使用核心nn.Module类作为模型的设计蓝图。我们将使用PyTorch提供的常用构建块来组装网络，包括线性层（nn.Linear）、卷积层（nn.Conv2d）和循环层（nn.RNN）。我们还将整合像激活函数（例如ReLU、Sigmoid）这样的重要组成部分，以引入非线性处理能力。此外，你将学习如何使用torch.nn中的损失函数（如$MSELoss$或$CrossEntropyLoss$）来定义目标衡量标准，以及如何从torch.optim中选择合适的优化算法（如SGD或Adam）在训练期间迭代地优化模型参数。在本章结束时，你将能够在PyTorch中定义并实例化自己的基本神经网络。