为什么在示例中nn.Sequential不包含softmax输出层？

在示例中，nn.Sequential不包含softmax输出层的原因是因为在PyTorch中，nn.CrossEntropyLoss函数已经集成了softmax操作。nn.CrossEntropyLoss函数结合了softmax和交叉熵损失函数，可以直接用于多分类问题的模型训练。

具体来说，softmax函数用于将模型的输出转化为概率分布，而交叉熵损失函数用于衡量模型输出与真实标签之间的差异。在使用nn.CrossEntropyLoss函数时，它会自动进行softmax操作，并计算交叉熵损失，因此不需要在nn.Sequential中显式地添加softmax层。

示例中的nn.Sequential可以包含其他类型的层，如全连接层、卷积层、池化层等，这些层用于提取特征和学习模型的参数。最后，通过使用nn.CrossEntropyLoss函数计算损失，并结合优化算法进行模型的训练和优化。

总结起来，示例中的nn.Sequential不包含softmax输出层是因为PyTorch提供了集成了softmax操作的nn.CrossEntropyLoss函数，可以方便地用于多分类问题的模型训练。