pytorch

常用的神经网络层：
１　conv2d

torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)

注意是个类，要创建对象后再使用。
参数中的kernel_size, stride, padding, dilation的值，可以为int，也可以为tuple。是int的时候，就代表长宽相等。
Input size为(N,C_in​,H,W)；
Output size为(N,C_out​,H_out​,W_out​).
其中，N为batch size，即样本数，C为channel数，H为height，W为width

2 全连接层/线性层 linear

torch.nn.Linear(in_features, out_features, bias=True)

Input size = (N,∗,in_features)
Output size = (N,∗,out_features)

例如：
        self.fc1 = nn.Linear(16*53*53,120)
        self.fc2 = nn.Linear(120,84)

３　Pooling (2D) 层

torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)
torch.nn.AvgPool2d(kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True)