之前的一篇博客专门介绍了神经网络的搭建，是在python环境下基于numpy搭建的，之前的numpy版两层神经网络，不能支持增加神经网络的层数。最近看了一个介绍tensorflow的视频，介绍了关于tensorflow的构建神经网络的方法，特此记录。
tensorflow的构建封装的更加完善，可以任意加入中间层，只要注意好维度即可，不过numpy版的神经网络代码经过适当地改动也可以做到这一点，这里最重要的思想就是层的模型的分离。
import tensorflow as tf
import n
我们知道CNN这类人工神经网络都基于BP算法进行优化，因此需要误差关于权重是连续可导的，这是可以运用BP算法的前提条件；也有一些网络不满足这个条件。
1.可导
对于可连续求导的神经网络构建时采用nn.Module类即可，此时仅仅需要改写__init__和forward方法，torch会自动求导，如下面的例子：
import torch
import torch.nn as nn
import torch.nn.functional as F
class Net(nn.Module):
