二维卷积神经网络在宽度和高度两个方向上移动，要求：

1. 卷积核的通道数与输入通道数一致；
2. 卷积核的个数与输出通道数一致。
   效果如下：
   

torch.nn.Conv2d(in_channel, out_channel, kernel_size,stride,bias,padding)

其中，in_channel, out_channel, kernel_size必须得写。
kernel_size1=3， 表示卷积核大小为3×3，kernel_size=（3×5），表示卷积核大小为3×5。
卷积之后得到的width核height大小与stride和padding的值有关，bias为True或False。
卷积之后通常输入全连接层，得到多个分类。
全连接fc=torch.nn.Linear(in, out)
其中，in是卷积之后所有维度拉长之后的维度总数，out是希望得到的分类数。

参考：

1. 《PyTorch深度学习实践》完结合集——P10 卷积神经网络（基础篇）：https://www.bilibili.com/video/BV1Y7411d7Ys?p=10
2. PyTorch 深度学习实践 第10讲：https://blog.csdn.net/bit452/article/details/109690712 （31-38分）