Torch中的神經網絡模塊包括：
nn.Module：神經網絡模塊的基類，所有自定義的神經網絡模塊都應該繼承自該類。
nn.Linear：全連接層，將輸入和權重矩陣相乘，并添加偏置項。
nn.Conv2d：二維卷積層，對輸入數(shù)據進行二維卷積操作。
nn.ReLU：ReLU激活函數(shù)。
nn.Sigmoid：Sigmoid激活函數(shù)。
nn.Dropout：隨機失活層，用于防止過擬合。
nn.MaxPool2d：二維最大池化層。
nn.BatchNorm2d：二維批標準化層。
除了上述模塊外，Torch還提供了許多其他的神經網絡模塊，如RNN、LSTM、GRU等循環(huán)神經網絡模塊，以及各種損失函數(shù)模塊、優(yōu)化器模塊等。這些模塊可以方便地用來構建各種類型的神經網絡模型。
