在 Jeremy Howard 的本教程中：torch.nn 到底是什么？他最后有一个例子，他为 MNIST 创建了一个 CNN。在nn.Conv2d中，他使in_channelsand out_channels: (1,16), (16,16), (16,10)。

我知道最后一个必须是 10，因为有 10 个班级，我们想要每个班级的“概率”。但是为什么要先升到 16 呢？你如何选择这个值？为什么不直接从 1 到 10、10 到 10 和 10 到 10？这与kernel_sizeand有关系stride吗？

所有的图像都是28x28，所以我也看不到这些值和 16 之间的任何相关性。

class Mnist_CNN(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(1, 16, kernel_size=3, stride=2, padding=1)
        self.conv2 = nn.Conv2d(16, 16, kernel_size=3, stride=2, padding=1)
        self.conv3 = nn.Conv2d(16, 10, kernel_size=3, stride=2, padding=1)

    def forward(self, xb):
        xb = xb.view(-1, 1, 28, 28)
        xb = F.relu(self.conv1(xb))
        xb = F.relu(self.conv2(xb))
        xb = F.relu(self.conv3(xb))
        xb = F.avg_pool2d(xb, 4)
        return xb.view(-1, xb.size(1))