四维 PyTorch 张量

四维 PyTorch 张量通常用于表示深度学习中的数据结构，特别是在卷积神经网络 (CNN) 中。它有四个维度：batch_size、channel、height 和 width。每个维度代表了不同的信息：

- `batch_size`：表示一组训练样本的数量，方便并行处理。
- `channel`：对应于输入或输出中的颜色通道，如 RGB 图像就有三个通道。
- `height`：图像的高度或特征图的高。
- `width`：图像的宽度或特征图的宽。

在 PyTorch 中，你可以创建四维张量来存储图像数据集，然后通过 `.view()` 函数调整其形状以适应特定操作，比如卷积层的计算。例如，一个四维张量可以看作是一组(batch_size x channel x height x width) 的像素矩阵。