PyTorch 10 中的 CNN 扁平化操作及其可视化在深度学习中的张量批处理应用

@TOC
(PyTorch 1.0 - CNN的展平操作 (Flatten Operation) 可视化 - 针对深度学习应用的批处理技术)

Flattening An Entire Tensor

张量平坦化过程是卷积神经网络内部的普遍操作。因为传递给全连接层的卷积层输出必须先经过扁平化处理才能被全连接层接收输入。

从前的文章内容中可以看出，在学习张量形状后接着探讨了各种整形操作。展平过程属于一类特殊的 reshape 操作，在这种情况下所有的维度都会被压缩或融合在一起。

将张量展平至少需要两个维度。这样操作后，则可以让后续处理从非展平状态开始。查看MNIST数据集中共有八张手写数字图片，在此图片中存在两种不同的维度参数——高度与宽度。

该图像是一个边长为18像素的正方形区域；这些尺寸表明该图像是经过裁剪的；因为MNIST数据集包含每个样本均为大小为2^{n} \times 3的一组二维数组；现在让我们看看如何将这两个高度轴和宽度轴展平为一个长度为364的数据序列。

上图揭示了我们的平坦输出及其单一轴线长度为324的情况。边缘上的白色区域对应于顶端