Neural network Pytorch resNet在哪里添加值？

我正在ResNet上工作，我发现了一个用加号跳过连接的实现。像下面这样

Class Net(nn.Module):
    def __init__(self):
        super(Net, self).__int_() 
            self.conv = nn.Conv2d(128,128)

    def forward(self, x):
        out = self.conv(x) // line 1 
        x = out + x    // skip connection  // line 2

现在我已经调试并打印了第1行前后的值。结果如下：

在第1行之后
x=[1128,32,32]
out=[1128,32,32]

第2行之后
x=[1128,32,32]//仍然

参考链接：

我的问题是它在哪里增加了价值？？我是说以后

x=输出+x

操作，增值在哪里

---

PS:Tensor格式是[批次、通道、高度、宽度]。

正如@UmangGupta在评论中提到的，您打印的似乎是您的张量的形状（即

3x3

矩阵的“形状”是

[3,3]

），而不是其内容。 在您的例子中，您正在处理

1x128x32x32

张量）

希望澄清形状和内容之间差异的示例：

导入火炬
out=火炬1号（（3,3））
x=火炬眼（3，3）
res=out+x
打印（输出形状）
#火炬尺寸（[3,3]）
打印（输出）
#张量（[[1,1,1.]，
#         [ 1.,  1.,  1.],
#         [ 1.,  1.,  1.]])
打印（x.shape）
#火炬尺寸（[3,3]）
打印（x）
#张量（[[1,0,0.]，
#         [ 0.,  1.,  0.],
#         [ 0.,  0.,  1.]])
打印（res.shape）
#火炬尺寸（[3,3]）
打印（res）
#张量（[[2,1,1.]，
#         [ 1.,  2.,  1.],
#         [ 1.,  1.,  2.]])

嗨！你能改进一下这个问题吗？i、 你到底想知道什么？为什么加法在这里起作用？当然，如果out是0张量，x的值可以保持不变。然而，你的张量看起来很奇怪。你不确定你指的是张量的大小吗？这看起来像张量的大小而不是张量“这看起来像张量的大小而不是张量！！”你能详细解释一下吗？