写一段卷积神经网络的代码

这里是一个简单的卷积神经网络的代码示例，包含了一个卷积层、一个池化层和一个全连接层：

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

class Net(nn.Module):

    def __init__(self):
        super(Net, self).__init__()
        # 卷积层
        self.conv1 = nn.Conv2d(3, 6, 5)  # 输入通道数为3，输出通道数为6，卷积核大小为5
        # 池化层
        self.pool = nn.MaxPool2d(2, 2)  # 池化核大小为2，步长为2
        # 全连接层
        self.fc1 = nn.Linear(6 * 13 * 13, 120)  # 输入维度为6*13*13，输出维度为120
        self.fc2 = nn.Linear(120, 84)  # 输入维度为120，输出维度为84
        self.fc3 = nn.Linear(84, 10)  # 输入维度为84，输出维度为10

    def forward(self, x):
        # 卷积 -> 激活 -> 池化
        x = self.pool(F.relu(self.conv1(x)))
        # 展平
        x = x.view(-1, 6 * 13 * 13)
        # 全连接 -> 激活
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        # 输出层
        x = self.fc3(x)
        return x

这个网络输入的是一个大小为(3, 32, 32)的图像，输出的是一个大小为10的向量，代表了10个类别的概率分布。这个网络包含了一个卷积层、一个池化层和三个全连接层。在前向传播的过程中，先进行卷积操作，然后经过ReLU激活函数，再进行池化操作，接着展平成一维向量，然后经过三个全连接层，最后输出概率分布。