本文深入探讨了PyTorch中的二维卷积操作，包括nn.ReLU激活函数，MaxPool2d池化层的使用。还介绍了nn.Sequential容器以及全连接层在网络中的应用。同时，讲解了归一化技术以及torch.max函数在获取softmax输出最大值和索引中的作用。通过这些基本元素，读者可以更好地理解深度学习模型的构建和操作。
pytorch源码：https://pytorch.org/docs/stable/index.html
二维卷积：
激活函数：
nn.ReLU()： max(features, 0)
池化层：
class torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1,
return_indices=False, ceil_mode=False)
容器：
nn.Sequential（）
全连接层：
归一化：
torch.max(input, dim) 函数
output = torch.max(input, dim)
输入
input是softmax函数输出的一个tensor
dim是max函数索引的维度0/1，0是每列的最大值，1是每行的最大值
输出
函数会返回两个tensor，第一个tensor是每行的最大值；第二个tensor是每行最大值的索引。
154
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
