每天五分钟深度学习框架pytorch:常见神经网络层的维度信息总结
全连接神经网络输入[batch,输入层单元数]
全连接神经网络输出[batch,输出层单元数]
embedding接收[word1,word2，...],它的shape为[文本单词数]
embedding输出shape为[文本单词数，embedding编码维度]
构建训练数据的时候，样本特征为[[样本1],[样本2],[样本3]],它的shape为[样本数，每个样本的特征数]
样本特标签tag为[标签1，标签2，标签3...]，它的shape为[样本数]
而神经网络的输出out的shape=[样本数,分类类别]
所以out要是想要和tag计算损失，tag应该会根据自己的实际类别，变成ont-hot的形式
比如说10分类的问题
我们可以看到这个实例，当batch=1的时候，神经网络的输出维度为[1,10]，然后tag的维度为[1],这两个要计算损失
卷积神经网络接收[batch,通道数，长，宽]
当填充为1，步长为1，卷积核大小是3时，图片大小不变