帮我写一个基于pytorch的LeNet-5的网络

当然可以，LeNet-5是一个非常经典的卷积神经网络，非常适合图像分类任务。以下是基于PyTorch实现的LeNet-5代码，希望对你有所帮助：

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

class LeNet(nn.Module):
    def __init__(self):
        super(LeNet, self).__init__()
        self.conv1 = nn.Conv2d(1, 6, 5)
        self.pool1 = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.pool2 = nn.MaxPool2d(2, 2)
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = self.pool1(F.relu(self.conv1(x)))
        x = self.pool2(F.relu(self.conv2(x)))
        x = x.view(-1, 16 * 5 * 5)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

这个代码实现了一个经典的LeNet-5网络，包括两个卷积池化层和三个全连接层，输入是28x28的灰度图像，输出是10个类别（代表0~9的数字）。如果你需要对LeNet-5做出一些改进，比如添加BatchNorm层、Dropout层、更深的层数等等，你可以在这个基础上进行更改。