因为后三个卷积层块，每个块里有两个卷积层
我的打印里可以看到11个层的结构啊，为啥习题1说只有8层？
Sequential output shape: torch.Size([1, 64, 112, 112])
Sequential output shape: torch.Size([1, 128, 56, 56])
Sequential output shape: torch.Size([1, 256, 28, 28])
Sequential output shape: torch.Size([1, 512, 14, 14])
Sequential output shape: torch.Size([1, 512, 7, 7])
Flatten output shape: torch.Size([1, 25088])
Linear output shape: torch.Size([1, 4096])
ReLU output shape: torch.Size([1, 4096])
Dropout output shape: torch.Size([1, 4096])
Linear output shape: torch.Size([1, 4096])
ReLU output shape: torch.Size([1, 4096])
Dropout output shape: torch.Size([1, 4096])
Linear output shape: torch.Size([1, 10])
你的输出只看Sequential和Linear是8层：5层Sequential和3层Linear。
上节的AlexNet我在macbook上跑了通宵，第二天一看，花了811分钟 
感觉这一章的内容确实需要支持CUDA的电脑 
我疑惑的是样本数总共就几万个，跑vgg里面有千万个参数不会过拟合吗
1，后三层的2个卷积看成了一个块，所以只有8层，因为在做conv_blks.append()时是按照块添加的。
我colab跑一次100多分钟，太离谱了，有钱人游戏
请问一下各位，这两个报错是什么意思呢？该怎么解决呢？
RuntimeError: cuDNN error: CUDNN_STATUS_INTERNAL_ERROR
RuntimeError: DataLoader worker (pid(s) 8884, 16172, 3724) exited unexpectedly
上colab吧，如果免费的觉得不够用可以花个10美元一个月直接起飞
不会吧，我也是colab非付费用户，分到的gpu是tesla k80跑完程序花了31分钟
我这边用colab pro跑起来10min，还挺快的
so，他采用了dropout，防止过拟合啊
前几天试过了，国内的银行卡不支持支付呀…
X = torch.randn(size=(1, 1, 224, 224))
想问问这前两个1分别是什么啊？
批量 和 通道吧 好像 111111111111
我记得有家银行可以，好像是工商银行还是啥的，可以用PayPal
我怕把我的电脑跑炸了，gpu温度40摄氏度