场景法

在神经网络运算过程中，维度变换是最核心的张量操作，通过维度变换可以将数据任意地切换形式，满足不同场合的运算需求。那么为什么需要维度变换?通过线性层的批量形式入手其中，假设X包含了2个样本，每个样本的特征长度为4，X的shape为[2,4]。线性层的输出为3个节点，即W的 shape 定义为[4,3]，偏置b的shape 定义为[3]。那么X@W 的运算结果张量 shape 为[2,3]，需要叠加上