1 问题

1. 探索flatten的其他参数。

2. out=net(x)，此处的net(x)为什么可以？

3. 神经网络的具体分类有哪些。

2 方法

flatten()函数用法。

flatten是numpy.ndarray.flatten的一个函数，即返回一个一维数组。

flatten只能适用于numpy对象，即array或者mat，普通的list列表不适用。

a.flatten()：a是个数组，a.flatten()就是把a降到一维，默认是按行的方向降。

a.flatten().A：a是个矩阵，降维后还是个矩阵，矩阵.A（等效于矩阵.getA()）变成了数组。

在第三次课上遇到的x = torch.flatten(x, start_dim=1)。

问题一

除了start_dim，torch.flatten函数还有其他一些参数，具体如下：

1．end_dim：指定要展平的张量的最后一个维度。默认值为-1，表示展平到最后一个维度。如果指定了end_dim，则从start_dim开始，一直到end_dim结束的所有维度都会被展平。

2.out：输出张量的目标位置。如果未指定out参数，则会创建一个新的张量来存储展平结果。

问题二

(2) out=net(x)，此处的net(x)为什么可以？

out = net(x)

print(out.shape)

out = net(x)，它表示调用一个函数（这里是net），并将结果赋值给out。在这个情况下，net可能是一个神经网络模型，而x是输入数据。

问题三 神经网络的分类

除了陈老师上课给我们讲的全连接神经网络，卷积神经网络（CNN），

深度卷积神经网络(DCNN)，还有很多其他种类的神经网络，在经过学习了解之后

也看到了它的思维导图，大致可以分为这几个大类单层神经网络， 前馈神经网络， 反馈型神经神经网络， 自组织神经网络，结构自适应神经网络，对抗神经网络GAN，随机神经网络。其中全连接神经网络和卷积神经网络就属于前反馈神经网络的分支。

3 结语

通过本周上课学习和课下练习，我们小组了解到了flatten的参数的具体应用flatten只能适用于numpy对象，即array或者mat，普通的list列表不适用。同时了解到神经网络是一个很大的知识板块，在看它思维导图的时候能够很直观的感受到其种类的多样，目前也只是了解到它大概分为七个板块。