pytorch中None的用法，以及如何理解多维数组

参考

None的用法参考此处

自己的总结 在图像中反复会用到

aa = torch.randn(2,3)#生成一个（2*3）的二维张量，
# aa = torch.randn(5，2,3) 表示由5个（2*3）的二维张量，组成一个三维张量 aa[0]表示第一个（2*3）的二维张量 aa[3]表示第三个个（2*3）的二维张量

#一般彩色图像是三维的，在pytorch中是 （通道数=3，高度，宽度） 在numpy中是（高度，宽度，通道数=3） 
#matplotlib画图是数组的形式才行，即转化为numpy才可以 假设aa是读取的一张图片 plt.imshow(aa.numpy().transpose(1,2,0))
# transpose(1,2,0) 表示 将高度放在第一个 宽度第二个 通道数放在最后

#模型在预测模型时，输入的图像是四维的  即（batch批次的大小，通道数=3，高度，宽度）为了让模型预测所以只需要让图片变成四维 即aa[None,:,:,:]
# 该四维表示由一个（通道数=3*宽度*高度）的三维张量组成 aa[0]表示该三维张量 即该彩色图片
#aa（16，3，5，5）表示该批次数为16  aa[0]表示第一张图片 aa[6]表示第6张图片 每个图片是三维的  该三维是由3个5*5的二维张量组成


'''
 aa = torch.randn(2,3，2，3）
'''

• 该图片是自己练习 并总结

自己练习

• 下图表示四维的 四个[
• 由一个（3224224）的三维张量组成
• 图中标的1 、2、 3均表示一个224*224的二维张量
• pig_tensor[0] 表示该彩色图片对应的三维张量
  
• 三维的 即 显示图片用到