写一个带有池化层的三层神经网络代码

好的，以下是带有池化层的三层神经网络的代码：

import torch.nn as nn

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(3, 16, kernel_size=5)
        self.pool = nn.MaxPool2d(kernel_size=2, stride=2)
        self.conv2 = nn.Conv2d(16, 32, kernel_size=5)
        self.fc1 = nn.Linear(32 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = self.pool(nn.functional.relu(self.conv1(x)))
        x = self.pool(nn.functional.relu(self.conv2(x)))
        x = x.view(-1, 32 * 5 * 5)
        x = nn.functional.relu(self.fc1(x))
        x = nn.functional.relu(self.fc2(x))
        x = self.fc3(x)
        return x

这里使用了PyTorch库来实现神经网络的构建和训练。第一层是一个卷积层，接着经过一个最大值池化层，之后再有一层卷积层，最后通过三层全连接层，输出10个类别的分类结果。其中`nn.functional`是一个PyTorch的函数库，提供了各种神经网络层的实现。