PyTorch - 06 - CNN张量形状说明：卷积神经网络和特征图

Convolutional Neural Network

在此神经网络编程系列中，我们正在努力构建卷积神经网络（CNN），因此让我们看一下CNN的张量输入。

在最后两篇文章中，我们介绍了张量以及基本张量属性的等级，轴和形状。 如果您还没有看到这些帖子，我强烈建议您查看一下。

我现在想做的是将等级，轴和形状的概念与一个实际示例结合使用。 为此，我们将图像输入视为CNN的张量。

卷积神经网络是图像识别任务的首选网络，因为它们非常适合检测空间模式。

请记住，张量的形状会编码有关张量的轴，等级和索引的所有相关信息，因此我们将在示例中考虑该形状，这将使我们能够计算出其他值。 让我们开始。

Shape Of A CNN Input

CNN输入的形状通常具有四个长度。这意味着我们有一个带有四个轴的4级张量。张量形状中的每个索引代表一个特定的轴，并且每个索引