Limonor的博客

pytorch问题大全PyTorch 的设计遵循tensor→variable(autograd)→nn.Module 三个由低到高的抽象层次，分别代表高维数组（张量）、自动求导（变量）和神经网络（层/模块），而且这三个抽象之间联系紧密，可以同时进行修改和操作PyTorch的源码只有TensorFlow的十分之一左右，更少的抽象、更直观的设计使得PyTorch的源码更易于阅读pytorch resnet专题resnet18数字代表的是网络的深度，这里的18指定的是带有权重的18层，包括卷积层和全连

卷积网络中的通道(Channel)理解卷积网络中有一个很重要的概念，通道（Channel），也有叫特征图（feature map）的。卷积网络中主要有两个操作，一个是卷积(Convolution)，一个是池化(Pooling)。其中池化层并不会对通道之间的交互有影响，只是在各个通道中进行操作。而卷积层则可以在通道与通道之间进行交互，之后在下一层生成新的通道，其中最显著的就是Incept-Net里大量用到的1x1卷积操作。基本上完全就是在通道与通道之间进行交互，而不关心同一通道中的交互。一般我们