小土堆：Pytorch深度学习：神经网络-最大池化层的使用

今天学习神经网络-最大池化层的使用。

这段代码是一个简单的PyTorch程序，其目的是从CIFAR10数据集中读取图像，然后通过一个名为"Yang"的自定义网络模型，该模型只包含一个最大池化层（MaxPool2d），并将输入和输出的图像写入到TensorBoard的日志中。

# 导入必要的库：# - torch是PyTorch库，提供了深度学习的主要功能。# - torchvision是一个与PyTorch相关的库，提供了一些有用的工具，如预处理图像数据的方法、预训练的模型等。# - nn是PyTorch中的一个模块，提供了许多用于构建神经网络的类和函数。# - MaxPool2d是一个二维最大池化层。# - DataLoader是一个用于加载数据的工具，可以自动化数据批处理、打乱数据等操作。# - SummaryWriter是一个用于写TensorBoard日志的工具。import torchimport torchvisionfrom torch import nnfrom torch.nn import MaxPool2dfrom torch.utils.data import DataLoaderfrom torch.utils.tensorboard import SummaryWriter#  加载CIFAR10数据集，并且将数据转换为Tensor格式。dataset = torchvision.datasets.CIFAR10("../d