基于pytorch，对于给定输入，展示网络中各个卷积层和池化层输出的特征图

可以使用PyTorch中的"hooks"来实现。"hooks"可以在每个卷积层和池化层之前或之后运行自定义代码。具体实现方法如下:

1. 定义一个函数，用于处理每个卷积层和池化层的输出特征图。
2. 使用PyTorch的nn.Module的register_forward_hook()函数，将步骤1中的函数注册到每个卷积层和池化层上。
3. 输入数据并进行前向传播，这样就可以在每个卷积层和池化层的输出特征图上运行步骤1中的函数了。

示例代码:

import torch.nn as nn

def hook_fn(module, input, output):
    print(module)
    print(output.shape)

net = nn.Sequential(
    nn.Conv2d(3, 8, kernel_size=3, stride=1, padding=1),
    nn.ReLU(),
    nn.MaxPool2d(kernel_size=2, stride=2)
)

handle = net[0].register_forward_hook(hook_fn)

output = net(torch.rand(1, 3, 32, 32))

handle.remove()

以上代码将会输出第一个卷积层的信息和其输出的特征图的shape。