生成一个卷积神经网络

以下是一个简单的卷积神经网络的示例：

import torch
import torch.nn as nn

# 定义卷积神经网络模型
class ConvNet(nn.Module):
    def __init__(self):
        super(ConvNet, self).__init__()
        self.conv1 = nn.Conv2d(1, 16, kernel_size=3, stride=1, padding=1)
        self.relu = nn.ReLU()
        self.maxpool = nn.MaxPool2d(kernel_size=2, stride=2)
        self.conv2 = nn.Conv2d(16, 32, kernel_size=3, stride=1, padding=1)
        self.fc = nn.Linear(32 * 7 * 7, 10)

    def forward(self, x):
        out = self.conv1(x)
        out = self.relu(out)
        out = self.maxpool(out)
        out = self.conv2(out)
        out = self.relu(out)
        out = self.maxpool(out)
        out = out.view(out.size(0), -1)
        out = self.fc(out)
        return out

# 创建模型实例
model = ConvNet()

# 打印模型结构
print(model)

这个示例定义了一个简单的卷积神经网络模型，包含两个卷积层和一个全连接层。模型的输入是一张单通道的28x28的图像，输出是一个10维的向量，表示图像属于10个类别中的哪一个类别