今天继续学习《动手学习深度学习》第5章：深度学习计算、第6章：卷积神经网络，今天学到的内容主要有这两章的概念。以及实现LeNet对FashionMNIST进行分类。

一、理论部分：

1、概念解释：

• 1×1卷积的作用：卷积通常用于识别相邻元素间相互作用的能力，但1×1卷积不具备该能力，其主要用于调整输出的通道数量，以控制模型的复杂性。
• pooling层的作用：降低卷积层对位置的敏感性，同时降低对空间降采样的敏感性。常用 max pooling 和 average pooling。

二、模块和函数

1、pytorch 模块

• torch.tensor() 和 torch.Tensor()
torch.tensor()根据输入数据的类型生成 tensor，例如输入是 int，那么生成的 tensor 也是 int 类型，而torch.Tensor()默认生成 float32 类型的 tensor。此外，torch.tensor()生成的 tensor 有可能与输入共享内存（may return a view of the input data if possible），而torch.Tensor()永远生成新的 tensor。

三、涨知识

• model.eval() 和 model.train()
model.eval()将模型设置为测试状态，model.train()将模型设置为训练状态。因为模型在训练阶段的某些操作，如dropout、batch normalization等，在测试阶段都是不需要的。并且，测试状态还可以ensure that the model performs consistently during inference, and that the results are reliable and repeatable. 注意，在训练阶段要把模型置为训练状态。