Python PyTorch和卷积神经网络

我有一个图像输入340px*340px，我想把它分为两类。 我想创建一个卷积神经网络框架。我对图层的输入和输出有问题

class Net(nn.Module):

    def __init__(self):
        super(Net, self).__init__()
        # 3 channels (RGB), kernel=5, but i don't understand why 6. 
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        #why 16?
        self.conv2 = nn.Conv2d(6, 16, 5)
        #why 107584 = 328*328
        self.fc1 = nn.Linear(107584, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 2)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        # i dont understand this line
        x = x.view(x.size(0),  -1)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

它是正确的吗

3通道RGB，内核=5，但我不明白为什么是6

的第二个参数是out_通道。在卷积层中，您可以任意定义多个输出通道。所以它被设置为6，因为有人把它设置为6

为什么是16岁

同上

为什么107584=328*328

及

\我不懂这句话

返回与自张量数据相同但大小不同的新张量。 x=x.viewx.size0，-1:-1表示从其他维度推断，因此，您强制张量为[1,15*164*164]=>[1,403440]

---

403440也是self.fc1=nn.linear107584120的正确值，而不是107584。

您有什么问题？？