这节课学习网络的构造，在mindspore中提供了Cell类，这也是构建一切网络 的基础。

定义网络类中，__init__中构造网络结构，constructure中实现Tensor操作方法。

该结构中：

nn.Flatten

可将28*28的2D张量转换成784大小的连续数组，将二维数据展平变成了一维的。

nn.Dense

全连接层，可依kx+b的形似，使用权重和偏差对输入进行线性变换。

nn.ReLU

此层为激活函数，可以过滤一些不重要数据，帮助学习更复杂特征，如图示：

负数被统一为0了。

nn.SequentialCell

Cell 容器，输入的向量将按照定义的顺序通过所有Cell，SequentialCell可以用来构造神经网络模型：

nn.Softmax

该方法将全连接层最后返回的值缩放为【0， 1】。表示每个类别的预测概率。

模型参数

网络内部神经网络层具有权重参数和偏置参数（如nn.Dense），这些参数会在训练过程中不断进行优化，可通过 model.parameters_and_names() 来获取参数名及对应的参数详情：