### PyTorch `torchinfo.summary` 函数中的 Output Shape 参数含义 在 PyTorch 中，`torchinfo.summary` 是一个常用的工具函数，用于生成模型结构的摘要信息。其中，`Output Shape` 表示模型每一层输出张量的形状。具体来说： - **Output Shape 的定义**： 它描述的是经过某一层处理后的数据维度大小。对于卷积层、全连接层或其他操作层而言，这一参数反映了该层如何改变输入张量的尺寸[^1]。 - **常见形式**： 输出形状通常表示为 `(batch_size, channels, height, width)` 或者 `(batch_size, features)`，取决于具体的层类型及其作用范围。例如，在二维卷积层中，高度和宽度可能会因为核大小、步幅等因素而发生变化；而在线性变换（即全连接层）中，则主要涉及特征数量的变化[^2]。 #### 示例代码展示 下面通过一段简单的例子来说明 `Output Shape` 如何工作： ```python import torch from torchinfo import summary class SimpleModel(torch.nn.Module): def __init__(self): super(SimpleModel, self).__init__() self.conv1 = torch.nn.Conv2d(in_channels=3, out_channels=6, kernel_size=5) self.fc1 = torch.nn.Linear(6 * 14 * 14, 10) def forward(self, x): x = self.conv1(x) x = torch.flatten(x, start_dim=1) x = self.fc1(x) return x model = SimpleModel() input_data = torch.rand((8, 3, 28, 28)) # Batch size of 8, RGB images of 28x28 pixels summary(model, input_size=(8, 3, 28, 28)) ``` 运行以上代码会打印出如下类似的总结表： | Layer (type) | Input Shape | Output Shape | |----------------------|-------------------|------------------| | Conv2d | [8, 3, 28, 28] | [8, 6, 24, 24] | | Flatten | [8, 6, 24, 24] | [8, 20736] | | Linear | [8, 20736] | [8, 10] | 在这个表格里，“Conv2d”的 `Output Shape` `[8, 6, 24, 24]` 显示了经过第一次卷积之后的新图像尺寸——批次大小保持不变 (`batch_size`=8)，通道数增加到6，同时由于边界裁剪等原因使得空间分辨率缩小至24×24像素点[^3]。 因此可以得出结论说，`Output Shape` 就是用来指示每一个神经网络组件所产生的最终结果向量或者矩阵的具体规格情况的一个重要指标。