原文地址：https://github.com/torch/nn/blob/master/README.md
Torch的神經網絡包使用戶能夠簡潔而模塊化地搭建和訓練各類神經網絡。
我們可以將模塊看作搭建神經網絡的磚塊，模塊（Module）本身是簡單的神經網絡，但是我們可以用容器（Container）將模塊組合成復雜的神經網絡。 模塊（Module）：被其他所有模塊繼承的抽象的類； 容器（Container）：容器的類型包括線性連接（Sequential），平行（Parallel）和合并（Concat） 轉移函數（Transfer functions）：非線性函數例如Tanh和Sigmoid 簡單層次（Simple layers）：例如，Linear,，Mean，Max和Reshape 表層（Table layers）：用于操作表的層次，例如：SplitTable，ConcatTable，JoinTable 卷積層（Convolution layers）：例如Temporal，Spatial和Volumetric卷積給定輸入和目標，根據損失函數求出梯度的準則： 標準（Criterions）：一系列的標準，包括抽象類Criterion MSECriterion：用于回歸的均方誤差準則 ClassNLLCriterion：用于分類的負對數似然準則其他文檔： 包括模塊，容器和訓練的包的概覽（Overview） 訓練（Training）：如何使用隨機梯度下降（StochasticGradient）訓練一個神經網絡 測試（Testing）：如何測試自己的模塊 實驗模塊（Experimental Modules）：包含了實驗模塊和準則的包。新聞熱點
疑難解答
