摘要：
1. torch.cat() torch.cat(tensors, dim=0) 在给定维度中拼接张量序列。 参数： tensors：张量序列。 dim：拼接张量序列的维度。 import torch a = torch.rand(2, 3) b = torch.rand(2, 3) c = tor 阅读全文
摘要：
真实数据的维度通常很高。例如，彩色图像在高、宽 $2$ 个维度外还有 $RGB$（红、绿、蓝）$3$ 个颜色通道。我们将大小为 $3$ 称为通道数（$channel$）。 1. 多输入通道 卷积核的通道数要和输入通道数一样才能进行互相关运算。 计算过程：先在每个通道上，做互相关运算；再按通道相加得到 阅读全文
摘要：
目录1. 填充2. 步幅3. 小结 假设输入形状是 \(n_h \times n_w\)，卷积核窗口形状是 \(k_h \times k_w\)，则输出形状是 \[(n_h - k_h + 1) \times (n_w - k_w + 1) \]这里介绍卷积层的两个超参数填充和步幅，它们可以改变输出 阅读全文