Torch中的神经网络模块包括：
nn.Module：神经网络模块的基类，所有自定义的神经网络模块都应该继承自该类。
nn.Linear：全连接层，将输入和权重矩阵相乘，并添加偏置项。
nn.Conv2d：二维卷积层，对输入数据进行二维卷积操作。
nn.ReLU：ReLU激活函数。
nn.Sigmoid：Sigmoid激活函数。
nn.Dropout：随机失活层，用于防止过拟合。
nn.MaxPool2d：二维最大池化层。
nn.BatchNorm2d：二维批标准化层。
除了上述模块外，Torch还提供了许多其他的神经网络模块，如RNN、LSTM、GRU等循环神经网络模块，以及各种损失函数模块、优化器模块等。这些模块可以方便地用来构建各种类型的神经网络模型。
