pytorch实现空洞卷积+残差网络实验（torch实现）

一：pytorch实现空洞卷积实验（torch实现）
要求：
从至少一个数据集上进行实验，同理，这里我选取了车辆分类数据集（后面的实验都是用的车辆分类数据集），主要在之前利用torch.nn实现二维卷积的基础上，为解决感受野比较的问题，将普通的卷积修改为空洞卷积，并且卷几率符合HDC条件（这里我选取了1,2,5），并且堆叠了2层HDC，即一共六层卷积层。
实验过程：
注：所谓的空洞卷积，与https://blog.csdn.net/qq_37534947/article/details/109726153的torch.nn实现的二维卷积除了模型的定义部分不一样之外，其他的如：数据集、画图、计时、优化器等都是一样的，当然参数设置可能会有些不同，主要在实验结果区分，所以我这里主要针对模型定义做相关介绍。
1.1 空洞卷积模型定义

1.	#pytorch封装卷积层  
2.	class ConvModule