```

feat(tensor): 添加激活函数、卷积池化和神经网络层功能

- 新增Sigmoid、ReLU、Softmax等激活函数
- 实现Conv2D、MaxPool2D、AvgPool2D等卷积和池化操作
- 添加Flatten层和CrossEntropy、MeanSquaredError等损失函数
- 更新README文档，添加CNN示例说明
- 扩展API文档，详细说明新增功能的使用方法
```

README.md

@@ -7,6 +7,9 @@ gotensor 是一个用 Go 语言编写的张量计算库，提供了基本的张
 - 基本张量运算：加法、减法、乘法、矩阵乘法等
 - 张量操作：数乘、转置等
 - 自动微分和反向传播
+- 激活函数：Sigmoid、ReLU、Softmax等
+- 卷积和池化操作：Conv2D、MaxPool2D、AvgPool2D等
+- 神经网络层：Flatten、损失函数等
 - 支持多种初始化方式：零张量、单位矩阵、随机张量等
 
 ## 安装
@@ -57,6 +60,7 @@ func main() {
 - [基本运算示例](examples/basic_operations.go)：展示基本的张量运算
 - [自动微分示例](examples/autograd_example.go)：演示自动微分和反向传播
 - [线性回归示例](examples/linear_regression.go)：使用 gotensor 实现简单的线性回归
+- [CNN示例](examples/cnn_example.go)：使用卷积、池化等操作构建简单的卷积神经网络
 
 运行示例：
 
@@ -69,6 +73,9 @@ go run examples/autograd_example.go
 
 # 线性回归示例
 go run examples/linear_regression.go
+
+# CNN示例
+go run examples/cnn_example.go
 ```
 
 ## API 文档
@@ -88,6 +95,24 @@ go run examples/linear_regression.go
 - `MatMul(other *Tensor)` - 矩阵乘法
 - `Scale(factor float64)` - 数乘
 
+### 激活函数
+
+- `Sigmoid()` - Sigmoid激活函数
+- `ReLU()` - ReLU激活函数
+- `Softmax()` - Softmax激活函数
+
+### 卷积和池化
+
+- `Conv2D(kernel *Tensor, stride, padding int)` - 二维卷积操作
+- `MaxPool2D(kernelSize, stride int)` - 二维最大池化
+- `AvgPool2D(kernelSize, stride int)` - 二维平均池化
+
+### 神经网络层
+
+- `Flatten()` - 将多维张量展平为一维
+- `CrossEntropy(target *Tensor)` - 交叉熵损失函数
+- `MeanSquaredError(target *Tensor)` - 均方误差损失函数
+
 ### 其他方法
 
 - `ZeroGrad()` - 将梯度置零