一、网络结构
二、代码学习
2.1、x = F.relu(self.conv1(x)) # self.conv1 = nn.Conv2d(1, 20, 5, 1)
1)Conv2d 详解参考：PyTorch nn.Conv2d - 知乎
2) relu
pytorch学习线性回归与非线性回归，以及理解nn.linear()和ReLU激活函数_pytorch 非线性函数作用-CSDN博客
3）view
Pytorch中的view函数主要用于Tensor维度的重构，即返回一个有相同数据但不同维度的Tensor。根据上面的描述可知，view函数的操作对象应该是Tensor类型。如果不是Tensor类型，可以通过tensor = torch.tensor(data)来转换。
参考：详解Pytorch中的view函数_pytorch view-CSDN博客
2.2、 x = F.max_pool2d(x, 2, 2)
max_pool
参考博文：
1、【PyTorch】nn.MaxPool2d函数详解-CSDN博客
2、pytorch--torch.nn.functional学习网络中的池化层，全连接层和激活函数_torch.nn.functional.max_pool2d参数-CSDN博客
2.3、x = F.relu(self.fc1(x))
x = x.view(-1, 4 * 
