卷积神经网络中各个层对数据形状的改变

        一般卷积神经网络的输入是一个四维张量，NCHW 或 NHWC 格式的 4-D Tensor，N是batch_size白话就是一个批次有几张图片,C是通道数，彩色图片是3，黑白是1，H是高度，W是图片宽度，然后卷积层的参数一般有必选的两个个，一个是input_channel，输入通道，output_channel，输出通道，这两个参数在计算时会改变数据的形状，具体表现为改变数据的前两个维度，更具体的其实就是图片的通道数维度。

        然后还有一个层，池化层，Pool2D，这个层也会改变数据形状，具体改变数据的高和宽，一般而言，它的参数设为2*2，最后的结果高度和宽度变为原来的一半，以手写字数据为例，比如输入的数据是N*1*28*28,经过一个卷积层（参数为输入通道1，输出通道32），那么输出结果就是N*32*28*28，再经过一个池化层（参数为2*2）,那么输出结果为N*32*14*14。

        本文主要记录下近期研究的关键点，这块开始学的时候有点懵逼。