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