CNN输入：三维张量而非二维矩阵

CNN（卷积神经网络）的输入是三维张量，而不是二维矩阵。\n\nCNN的输入通常由多个二维图像组成，每个图像都是一个二维矩阵。这些图像可以是灰度图像（单通道）或彩色图像（三通道）。因此，CNN的输入通常是一个三维张量，其形状为（图像数量，图像高度，图像宽度）。\n\n例如，如果有一个包含100个28x28像素的灰度图像的数据集，则CNN的输入将是一个形状为（100，28，28）的三维张量。如果这些图像是彩色图像，那么输入将是一个形状为（100，28，28，3）的四维张量，其中最后一维表示RGB通道。\n\n在CNN中，卷积层会对输入进行卷积运算，其中卷积核将与输入的每个区域进行卷积操作。这个操作需要三维输入张量，以便能够在图像的高度和宽度上进行滑动。\n\n总而言之，CNN的输入通常是一个三维或四维张量，其中包含了多个二维图像的信息。