原文地址：https://github.com/torch/nn/blob/master/README.md
Torch的神经网络包使用户能够简洁而模块化地搭建和训练各类神经网络。
我们可以将模块看作搭建神经网络的砖块，模块（Module）本身是简单的神经网络，但是我们可以用容器（Container）将模块组合成复杂的神经网络。 模块（Module）：被其他所有模块继承的抽象的类； 容器（Container）：容器的类型包括线性连接（Sequential），平行（Parallel）和合并（Concat） 转移函数（Transfer functions）：非线性函数例如Tanh和Sigmoid 简单层次（Simple layers）：例如，Linear,，Mean，Max和Reshape 表层（Table layers）：用于操作表的层次，例如：SplitTable，ConcatTable，JoinTable 卷积层（Convolution layers）：例如Temporal，Spatial和Volumetric卷积给定输入和目标，根据损失函数求出梯度的准则： 标准（Criterions）：一系列的标准，包括抽象类Criterion MSECriterion：用于回归的均方误差准则 ClassNLLCriterion：用于分类的负对数似然准则其他文档： 包括模块，容器和训练的包的概览（Overview） 训练（Training）：如何使用随机梯度下降（StochasticGradient）训练一个神经网络 测试（Testing）：如何测试自己的模块 实验模块（Experimental Modules）：包含了实验模块和准则的包。新闻热点
疑难解答
