如果你习惯使用 TensorFlow 的 Keras API 构建神经网络 (neural network)，本章将帮助你把这些技能应用到 PyTorch 的 torch.nn 模块。本章侧重于 PyTorch 中神经网络结构的搭建、配置和管理，并会持续与 Keras 的方法进行比较。

你将学习到：

• 将 Keras Layer 对象与其在 torch.nn.Module（PyTorch 中所有神经网络模块的基本类别）内对应的部分联系起来。
• 区分 Keras 用于模型定义的 Sequential 和 Functional API，以及 PyTorch 灵活的 nn.Module 子类化方法。
• 实现并理解常见的层类型，例如密集（线性）、卷积和循环层，同时注意它们在 PyTorch 和 TensorFlow 之间的区别与相似之处。
• 识别并使用标准激活函数 (activation function)，这些函数可通过 torch.nn.functional 或特定的 nn.Module 类别获取。
• 了解各种与 PyTorch 模型相关的权重 (weight)初始化技术，并将其与常见的 TensorFlow 做法进行比较。
• 检查、访问和修改 PyTorch 模型中的参数 (parameter)和子模块，这对于开发和调试非常重要。

通过这些比较性说明和例子，你将获得在 PyTorch 框架中有效应用 Keras 模型构建知识的实际能力，从而理解通用之处以及 PyTorch 在网络设计方面的特定特性。