实现 Conv2d 前向传播

从零实现二维卷积层的前向传播。实现类 `Conv2D`，构造时接收卷积核、偏置、步幅与填充，forward 对输入做 2D 互相关（cross-correlation，与 PyTorch nn.Conv2d 语义一致）： out[b, o, i, j] = bias[o] + sum_{c,u,v} weight[o, c, u, v] * x[b, c, i*stride+u-pad, j*stride+v-pad] 要求： - 类必须继承 torch.nn.Module； - `__init__(self, weight, bias, stride: int, padding: int)`，把 weight/bias 注册为名为 `weight` 和 `bias` 的 nn.Parameter（梯度检查按这两个名字进行）； - padding 用零填充，只支持对称填充和正方形卷积核； - 可以用 F.conv2d 自查，但本题练手建议手写循环或 unfold 实现（判题只看数值）； - 不要调用 torch.nn.Conv2d / torch.nn.functional.conv2d。