帮我写个一维FCN

好的，以下是一个简单的一维全卷积网络（FCN）的代码示例，用于处理一维序列数据。

import torch
import torch.nn as nn

class OneDimensionalFCN(nn.Module):
    def __init__(self, input_size, output_size):
        super(OneDimensionalFCN, self).__init__()
        self.conv1 = nn.Conv1d(in_channels=input_size, out_channels=128, kernel_size=8)
        self.conv2 = nn.Conv1d(in_channels=128, out_channels=256, kernel_size=5)
        self.conv3 = nn.Conv1d(in_channels=256, out_channels=128, kernel_size=3)
        self.pool = nn.MaxPool1d(kernel_size=2)
        self.linear1 = nn.Linear(2048, 1024)
        self.linear2 = nn.Linear(1024, output_size)

    def forward(self, x):
        x = self.pool(torch.relu(self.conv1(x)))
        x = self.pool(torch.relu(self.conv2(x)))
        x = torch.relu(self.conv3(x))
        x = x.view(x.size(0), -1)
        x = torch.relu(self.linear1(x))
        x = self.linear2(x)
        return x

这个模型包括三个卷积层和两个全连接层。第一个卷积层使用大小为8的卷积核，第二个卷积层使用大小为5的卷积核，第三个卷积层使用大小为3的卷积核。每个卷积层后跟一个最大池化层，以减小特征图的大小。然后使用两个全连接层将特征图转换为输出。

您可以根据自己的需求更改模型的结构和参数。