chapter 11
- x = x.view(-1, 120)进行展平，因为
nn.Linear设计上要求输入必须是二维张量(batch_size, feature_dim) nn.Sequential是 PyTorch 提供的一个有序容器，它能把多个神经网络层按顺序 "打包" 在一起，让前一层的输出自动作为后一层的输入- nn.LocalResponseNorm(size=5, alpha=1e-4, beta=0.75, k=2.0)是 AlexNet 中特有的归一化层，对每个像素位置，计算其在相邻通道上的响应值的平方和；用这个平方和对当前通道的响应值做归一化，让 "响应强的通道更强，响应弱的通道更弱"
nn.MaxPool2d(kernel_size=3, stride=2)最大池化层：缩小特征图尺寸、保留关键特征、降低计算量- 网络输出的张量形状
(N, C, H, W)中：N：批量数（比如一次输入 32 张图）；C：通道数（特征探测器的数量）；H/W：特征图的尺寸；