Optimization Pytork使用卷积神经网络将二维张量映射到二维张量

我试图用网络近似黑盒函数。该函数取二维张量（169x5）并给出二维张量（169x45）。这两个张量有不同的标度。我使用一个简单的线性模型，如下所示：

import torch
from torch.autograd import Variable
import torch.nn.functional as F
import torch.utils.data as Data    
import matplotlib.pyplot as plt    
import numpy as np
import imageio       
torch.manual_seed(1)    
# data
x_in        = torch.rand(169, 5)
x_out       = torch.rand(169, 45)*23
x_in, x_out = Variable(x_in), Variable(x_out)

# linear network
net = torch.nn.Sequential(
        torch.nn.Linear(5, 200),
        torch.nn.ReLU(),
        torch.nn.Linear(200, 100),
        torch.nn.ReLU(),
        torch.nn.Linear(100, 45),)

optimizer = torch.optim.SGD(net.parameters(), lr=0.2)
loss_func = torch.nn.MSELoss() 

for t in range(200):
    prediction = net(x_in)     
    loss       = loss_func(prediction, x_out)     
    optimizer.zero_grad()   
    loss.backward()         
    optimizer.step()    

---

我相信卷积神经网络会更好地完成这样的任务。但是，我如何使用CNN从2D映射到2D呢。如何构建这样的CNN？

这是pytorch的官方文档，这里是