AlexNet首先使用一张227*227*3的图片作为输入，第一层使用96个11*11的过滤器，步长s=4，输出的尺寸为55*55*96,然后用3*3的过滤层进行最大化池化操作，s=2,卷积层的尺寸缩小为27*27*96（（55-3）/2+1）=27。使用6个5*5*1(过滤器的通道数一定要和输入图像的通道数目保持一致），步长为1，padding数为0，则输出的图像大小为28*28*6,然后进行池

循环神经网络（Recurrent Neural Neural Networks, RNN),是一种反馈网络。它可以有效处理序列特性的数据，能够挖掘数据中的时序信息以及语义信息。常用于语言识别、机器翻译、视频分析、生成图像描述的等。RNN主要用于时序类数据的处理，在文档分类、机器翻译、文本情感分析、文本预测等有着重要作用。

import randomimport torchfrom d2l import torch as d2ldef synthtic_data(w,b,num_examples):X=torch.normal(0,1,(num_examples,len(w)))y=torch.matmul(X,w)+by+=torch.normal(0,0.01,y.shape)#给y加上一个随机噪音return