pytorch定义卷积层，输入是1，输出是32，卷积核大小为8,紧接着一个BN层

在 PyTorch 中，可以使用 nn.Conv2d 类来定义卷积层。示例代码如下：

import torch
import torch.nn as nn

# 定义卷积层，输入通道数为1，输出通道数为32，卷积核大小为8
conv = nn.Conv2d(1, 32, kernel_size=8)

# 定义 Batch Normalization 层
bn = nn.BatchNorm2d(32)

# 将卷积层和 Batch Normalization 层组成一个 Sequential 容器
model = nn.Sequential(conv, bn)

在这里，我们定义了一个卷积层，输入通道数为1，输出通道数为32，卷积核大小为8。然后定义了一个 Batch Normalization 层，输入通道数为32。最后，将卷积层和 Batch Normalization 层组成一个 Sequential 容器，这样就可以方便地对这两个层进行前向传播。