Keras到Pytorch模型的转换和输入大小

我正在学习Keras教程，想在Pytorch中加入它，所以我正在翻译。我对这两个图层都不是很熟悉，尤其是输入尺寸参数，还有最后一个图层，我需要另一个线性图层吗？有人能将以下内容翻译成Pytorch序列定义吗

visible=输入（形状=（64,64,1））
conv1=Conv2D（32，内核大小=4，激活=relu'）（可见）
pool1=MaxPoolg2D（池大小=（2,2））（conv1）
conv2=Conv2D（16，内核大小=4，activation='relu'）（pool1）
pool2=MaxPoolg2D（池大小=（2,2））（conv2）
hidden1=密集（10，激活='relu'）（池2）
输出=密集（1，激活='sigmoid'）（hidden1）
模型=模型（输入=可见，输出=输出）

这是模型的输出：

层（类型）输出形状参数
_________________________________________________________________
输入_1（输入层）（无、64、64、1）0
conv2d_1（conv2d）（无、61、61、32）544
最大池2D_1（最大池2（无、30、30、32）0
conv2d_2（conv2d）（无、27、27、16）8208
最大池2D_2（最大池2（无、13、13、16）0
密集型_1（密集型）（无、13、13、10）170
稠密的_2（稠密的）（无，13，13，1）11
总参数：8933
可培训参数：8933
不可训练参数：0

我所做的工作缺乏对输入形状的规范，我对指定Keras模型中的步幅转换也有点困惑，因为它在MaxPoolig2D中使用了步幅2，但在其他地方没有指定-这可能是一个玩具示例

model=nn.Sequential(
nn.Conv2d（1,32,4），
nn.ReLU（），
nn.MaxPool2d（2,2），
nn.Conv2d（1,16,4），
nn.ReLU（），
nn.MaxPool2d（2,2），
nn.线性（10，1），
nn.Sigmoid（），
)