1 问题

卷积的过程就是将一个卷积核（convolution kernel），通常是一个 K乘K 的矩阵，对原图的每个像素点做卷积计算从而得到一个新的 M乘N 的图像。这个卷积过程可以对原图执行不同的操作：模糊、锐化、描边等等，而这些操作全都由卷积核的性质决定。如何搭建卷积神经网络，是我们需要研究的内容。

2 方法

我们首先通过继承nn.Module定义我们的CNN Class，然后在__init__里创建CNN的每个layer。神经网络所有运算通过forward函数实现。这个CNN例子中一共是两个2维卷积层和两个全连接线性层，2 通过一些激活函数（activation function）做连接，最后输出softmax分类结果。我们把所有的神经网络层都放在__init__中，激活所有的函数。

输入图像是（1*1*28*28）：第一个1是batch size，这里可以忽略，这是一张单通道，28*28的图像。卷积层的输入也是单通道，需要和图像的通道数量保持一致！输出是10个通道，卷积核的尺寸是5*5。所以我们的输出也自然是 （1*10*24*24）：其中batch size = 1 保持不变，图像变成了(24*24)，24 = 28 - 5 + 1

最后torch.size结果如下：