是除了batchsize。默认从第一个维度开始把后面的都展平，包括多个通道的也展平
卷积层计算次数：
加法：（参数量-1）输出层规模
乘法：参数量输出层规模
理由：假设卷积层有n个参数，则每个参数都要与输入层中的元素相乘，得到n个结果，再将n个结果相加，得到每个输出元素的值，一共要进行n次乘法，和n-1次加法
全连接层计算次数：
加法=乘法=参数量
理由：参数规模为[c_i,c_o],每列参数与输入向量相乘再加上bias，得到一个输出值，进行c_i次乘法，c_i次加法，则要生成c_o个输出值，则共需要进行c_i*c_o次加法/乘法运算
具体改哪里怎么改让它指向本地呢，请教一下
进行手算了，加了这个padding是错的，得到的结果不是整数
展平层 Flatten() 的默认值start_dim=1, end_dim=-1，表示dim=0(也就是shape[0])保留，而后面的维度的维数(dimensionality)相乘，因此：
假设输入 X 是一个形状为 (batch_size, channels, height, width) 的四维张量，
输出就是(batch_size, channels×height×width)的二维张量。
我在colab上可以跑啊，google好像给了块GPU
在windows环境下运行本书中的很多例子，如果出现Runtime error： DataLoader worker exited unexpectedly. ，这主要是由于d2l torch.py中的get_dataloader_workers()返回4。windows下多进程执行DataLoader 容易出错。解决方法是get_dataloader_workers()返回0，如下：
def get_dataloader_workers():
“”"Use 4 processes to read the data. 0 process for windows.
Defined in :numref:`sec_fashion_mnist`"""
return 0 if sys.platform.startswith('win') else 4
