数字矩阵输入的卷积神经网络程序pytorch

以下是一个数字矩阵输入的卷积神经网络程序，使用Pytorch实现：

import torch
import torch.nn as nn

class ConvNet(nn.Module):
    def __init__(self):
        super(ConvNet, self).__init__()
        self.conv1 = nn.Conv2d(1, 32, kernel_size=3, stride=1, padding=1)
        self.conv2 = nn.Conv2d(32, 64, kernel_size=3, stride=1, padding=1)
        self.pool = nn.MaxPool2d(kernel_size=2, stride=2)
        self.fc1 = nn.Linear(64 * 7 * 7, 128)
        self.fc2 = nn.Linear(128, 10)

    def forward(self, x):
        x = self.conv1(x)
        x = nn.functional.relu(x)
        x = self.pool(x)
        x = self.conv2(x)
        x = nn.functional.relu(x)
        x = self.pool(x)
        x = x.view(-1, 64 * 7 * 7)
        x = self.fc1(x)
        x = nn.functional.relu(x)
        x = self.fc2(x)
        return x

这个网络包括两个卷积层（每个卷积层都有32和64个过滤器）和两个全连接层。输入是28x28的数字矩阵。在前向传递过程中，输入矩阵经过卷积和池化层，最终得到一个10个元素的向量，表示网络对输入的数字矩阵的预测。