x= self.seq(x)

假设经过这一步，输出了需要分类的特征。

 head1 = nn.Linear(linear_size, n_classes)
 head2 = nn.Linear(linear_size, n_classes)
 .........

然后，就可以做分类了：

x = self.seq(x)
head1_out = head1(x)
head2_out = head2(x)
......

问题：

1. 那可不可以同时复用head1的而不用new这么多head？
   若是你的head层的权重是不被调整更新的那可以，（但应该把它过滤掉，设置为不随训练更新，参考transformer的位置编码）

2. head多了，那就一个个手动改代码么？
   可以做成pipeline

# head_num 为头的数量，这个示例是 linear_size 和 n_classes是相同的，你做个列表，就可以自动提取不相同了。
nn.ModuleList([nn.Linear(linear_size3, n_classes) for _ in range(head_num)])