python打卡day48@浙大疏锦行

知识点回顾：

1. 随机张量的生成：torch.randn函数
2. 卷积和池化的计算公式（可以不掌握，会自动计算的）
3. pytorch的广播机制：加法和乘法的广播机制

ps：numpy运算也有类似的广播机制，基本一致

一、随机张量生成

# 生成3x224x224的正态分布随机张量
random_tensor = torch.randn(3, 224, 224)  
# 生成5x5的0-1均匀分布随机张量
uniform_tensor = torch.rand(5, 5)        

二、卷积层定义示例

# 输入通道3，输出通道64，卷积核3x3
conv = nn.Conv2d(3, 64, kernel_size=3, stride=1, padding=1)
# 最大池化层2x2
pool = nn.MaxPool2d(2, 2)  
# 自动计算输出尺寸
print(conv(torch.randn(1,3,224,224)).shape)  # 输出: torch.Size([1,64,224,224])

三、广播机制示例

A = torch.rand(3, 1, 4)  # shape (3,1,4)
B = torch.rand(  2,4)     # shape (2,4)
C = A + B                # 广播后shape (3,2,4)
D = A * B[:, None,:]    # 显式扩展维度# 广播规则验证
print(A.shape, " + ", B.shape, " => ", C.shape)
# 输出: torch.Size([3, 1, 4])  +  torch.Size([2, 4])  =>  torch.Size([3, 2, 4])

关键点说明：

1. torch.randn 生成正态分布张量， torch.rand 生成均匀分布
2. 卷积参数自动计算保持空间维度
3. 广播机制维度对齐规则与NumPy一致
4. 显式维度扩展可用 None / unsqueeze 实现