神经网络来啦

     本文以下面这个图为例，来实战演示神经网络中的卷积层、池化层、线性层的具体用法，使得由原来输入3@32x32（3渠道，宽32，高32）的数据，最终转化为了10的线性数据。并且采用两种方式去写，一种没有用Sequential，一种用了Sequential。发现，当神经网络需要很多层的变换的时候，往往使用Sequential会会更加的方便。

 1.卷积层

    由3@32X32（3渠道，宽32，高32）的数据转换成32@32X32（32渠道，宽32，高32）的代码实现是怎么样的呢？

代码如下：

class net_work(nn.Module):
    def __init__(self):
        super(net_work, self).__init__()
        self.conv1 = Conv2d(3, 32, 5, padding=2)

此段代码的意思是，卷积变换，输入3渠道，输出32渠道，卷积核大小是5X5的，padding是2，好的，那问题来了，为什么padding的大小是2呢，当然是我们通过如下的数学公式计算出来的，我们打开pytorch的官网，找到长度变换公式（如下），由此