目录
3. Batch Normalization参数(如果模型中包含)
Tensor在神经网络中的角色
在神经网络中,tensor(张量)是一个核心概念,扮演着数据容器的角色。张量可以看作是标量、向量和矩阵的高维推广,能够存储多维数组的数据。在神经网络中,张量通常用于表示输入数据、权重、偏置项、激活值、梯度以及最终的输出等。
假设我们有一个简单的全连接神经网络(也称为密集连接层或线性层),它用于处理二维输入数据(例如,图像的灰度值或特征向量)。
-
输入层:输入数据被表示为一个张量,其形状可能为
[batch_size, input_features]
,其中batch_size
是批量中样本的数量,input_features
是每个样本的特征数。 -
权重和偏置