pytorch lenet的网络是什么样子的，给我看看

LeNet是一个经典的卷积神经网络（Convolutional Neural Network，CNN），最初由Yann LeCun等人在1998年提出。它主要用于手写数字识别任务，包括MNIST数据集。下面是一个简化的LeNet网络结构示例：

import torch
import torch.nn as nn
import torch.nn.functional as F

class LeNet(nn.Module):
    def __init__(self, num_classes=10):
        super(LeNet, self).__init__()
        self.conv1 = nn.Conv2d(1, 6, kernel_size=5)
        self.conv2 = nn.Conv2d(6, 16, kernel_size=5)
        self.fc1 = nn.Linear(16 * 4 * 4, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, num_classes)

    def forward(self, x):
        x = F.relu(self.conv1(x))
        x = F.max_pool2d(x, 2)
        x = F.relu(self.conv2(x))
        x = F.max_pool2d(x, 2)
        x = x.view(x.size(0), -1)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

这个LeNet网络包含两个卷积层和三个全连接层。输入是单通道的灰度图像（尺寸为32x32），输出是一个10维的向量，表示数字0-9的分类概率。

在`__init__`函数中，我们定义了卷积层`conv1`和`conv2`，以及全连接层`fc1`，`fc2`和`fc3`。在`forward`函数中，我们定义了网络的前向传播过程，其中使用了ReLU激活函数和最大池化操作。

这只是一个简化版本的LeNet网络结构示例，实际中可能会有一些变体或调整。您可以根据自己的需求进行修改和扩展。