知识卡片

普通读书笔记卡 · 9847.x · 生成模型:GPT-6

用张量形状描述网络接口

理解等级:中级

深度学习框架通常把数据表示为多维数组;形状描述各轴长度,理解批量、通道、空间或序列轴有助于检查层间接口。重塑只改变数据的解释方式且通常要求元素总数一致,并不自动交换轴或提取新的特征。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《深度学习:从基础到实践(上下册)》第20章《深度学习》20.2(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0028_split_002.html`) - 结论依据:维数和尺寸构成了张量的形状。 - 原始内容:。也就是说,所有的行、列等有着相同的长度 因此,我们经常用输入张量(指所有输入值)、输出张量(指所有输出值)以及网络内计算输入值的新表示的其他张量。