卷积层、池化层、激活层

二维卷积层Conv2d

• 导入Conv2d

torch.nn.Conv2d

• 用法（通常在继承nn.Module的类中使用）

conv1 = torch.nn.Conv2d(in_chns, out_chns, kernel_size=3, stride=2, padding=0)
output = conv1(input)

最大池化层MaxPool2d()

• 导入MaxPool2d

torch.nn.Conv2d

• 用法

# ceil_mode影响返回的值
# 若为True，滑动到不满足kernel_size * kernel_size的区域时，返回值。
# 若为False, 滑动到不满足kernel_size * kernel_size的区域时，不返回值。
max_pool = torch.nn.MaxPool2d(kernel_size=3, stride=2, padding=0, ceil_mode=False)
output = max_pool(input)

非线性激活层ReLU()

• 导入ReLU

torch.nn.ReLU

• 用法

# 参数inplace影响结果
# 若为True，则覆盖输入
# 若为False，则不覆盖输入
relu = nn.ReLU(inplace = False)
output = relu(input)

进阶

• 用法（使用Sequential组合多个操作）

class MyClass(nn.Module):
    def __init__(self):
        super(MyClass, self).__init__()
        self.model1 = nn.Sequential(
            nn.Conv2d(),
            nn.MaxPool2d(),
            ...
        )
	def forward(self, x):
        x = self.model1(x)
        return x