补充：自适应池化

在alexnet的实现中，在FC层之前使用了AdaptiveAvgPool2d这个trick。自适应的池化。

这个trick就是使得图片，不管多大的分辨率，输出都是6*6的。为什么要都统一成6*6呢？因为后面接了FC层，FC的输入神经元数目是固定的。如果前面的输入的神经元个数不匹配的话，那么这个FC层是没办法运行的。所以接了一个自适应的池化，把尺寸不匹配的特征图都池化到6*6。

例1：当不加AdaptiveAvgPool2d()时，输入的尺寸必须是固定的。

alexnet代码中不加自适应池化，当输入的图片尺寸是224*224时，不会报错：

# @file name  : main.py
# @brief      : 
# @author     : liupc
# @date       : 2021/8/15

import torch
import torch.nn as nn

class AlexNet(nn.Module):

    def __init__(self, num_classes=1000):
        super(AlexNet, self).__init__()
        self.features = nn.Sequential(
            nn.Conv2d(3, 64, kernel_size=11, stride=4, padding=2),
            nn.ReLU(inpl