写一段基于pytorch的卷积神经网络

很高兴为您提供关于基于PyTorch的卷积神经网络的实现代码。以下是一个示例：

import torch.nn as nn

class ConvNet(nn.Module):
    def __init__(self):
        super(ConvNet, self).__init__()
        
        self.conv1 = nn.Conv2d(3, 16, kernel_size=3, stride=1, padding=1)
        self.relu1 = nn.ReLU()
        self.maxpool1 = nn.MaxPool2d(kernel_size=2, stride=2)
        
        self.conv2 = nn.Conv2d(16, 32, kernel_size=3, stride=1, padding=1)
        self.relu2 = nn.ReLU()
        self.maxpool2 = nn.MaxPool2d(kernel_size=2, stride=2)
        
        self.conv3 = nn.Conv2d(32, 64, kernel_size=3, stride=1, padding=1)
        self.relu3 = nn.ReLU()
        self.maxpool3 = nn.MaxPool2d(kernel_size=2, stride=2)
        
        self.fc1 = nn.Linear(64 * 4 * 4, 500)
        self.relu4 = nn.ReLU()
        self.dropout = nn.Dropout(p=0.5)
        
        self.fc2 = nn.Linear(500, 10)
        
    def forward(self, x):
        out = self.maxpool1(self.relu1(self.conv1(x)))
        out = self.maxpool2(self.relu2(self.conv2(out)))
        out = self.maxpool3(self.relu3(self.conv3(out)))
        out = out.view(out.size(0), -1)
        out = self.dropout(self.relu4(self.fc1(out)))
        out = self.fc2(out)
        
        return out

这是一个简单的卷积神经网络，具有三个卷积层、三个最大池化层和两个全连接层。在此示例中，我们使用了一个名为ConvNet的类，它继承自PyTorch的nn.Module类，并重载了其__init__()和forward()方法。这个网络以3个输入通道为开始，使用了ReLU作为激活函数，并最终输出10个类别。

希望这个示例对您有所帮助！