torch.nn神经网络（2）--池化层+非线性激活函数（ReLU和Sigmiod）+Sequential()函数的使用

nn.Module神经网络

4.池化层

池化层：池化函数使用某一位置的相邻输出的总体统计特征来代替网络在该位置的输出。 本质是降采样，减少网络的参数量

还是老规矩，导入模块及数据集，CIFAR10,batchsize=64：

import torch
import torchvision
from torch import nn
from torch.nn import MaxPool2d
from torch.utils.data import DataLoader
from torch.utils.tensorboard import SummaryWriter

dataset = torchvision.datasets.CIFAR10('./dataset',train=False,transform=torchvision.transforms.ToTensor(),download=True)

dataloader = DataLoader(dataset,batch_size=64)

我们本次采用的式MaxPool2d的池化函数，其输入和输出的类型如下：
input（batchsize，channel，高H，宽W）
output（batchsize，channel，高H，宽W）

因此，首先根据下图中的信息，构造一个input为tensor数据类型的二维矩阵，在使用reshape函数将其转化为MaxPool2d函数所需的size类型：

input = torch.tensor([[1,2,0,3,1],
                      [0,1,2,3,1],
                      [1,2,1,0,0],
                      [5,2,3,1,1],
                      [2,1,0,1,1]],dtype