神经网络的常用layer
卷积层
nn.Conv1d
池化层
下采样层主要是使用pooling层的操作技术来实现的，目的主要是保存有效的信息，降低特征的维度，来避免过拟合。对一个M*N的图像，进行s倍的下采样，对长和宽来说各要缩小s倍
全连接层
nn.Linear
(70 封私信 / 85 条消息) 全连接层的作用是什么？ - 知乎 (zhihu.com)
torch.nn.Linear(in_features, # 输入的神经元个数
out_features, # 输出神经元个数
bias=True # 是否包含偏置
)
nn.Linear(2, 1) # 输入特征数为2，输出特征数为1Pytorch nn.Linear的基本用法与原理详解_iioSnail的博客-CSDN博客
激活层
nn.relu()
本质是max(0, input)，对输入数据进行逐元素操作，如果输入的元素值小于0，则输出为0；否则，输出等于输入。
nn.BatchNormid