在PyTorch中，如果一个张量包括通道数（C）、宽度（W）、高度（H）和批量大小（N），那么它的标准维度顺序是 [N, C, H, W]，即：
- 第一个维度
N是批量大小，表示一次处理的样本数。 - 第二个维度
C是通道数，如RGB图像中的3个颜色通道。 - 第三个维度
H是图像的高度。 - 第四个维度
W是图像的宽度。
这种维度顺序在处理图像数据时特别常见，尤其是在使用卷积神经网络（CNN）时。例如，一个包含64张RGB图像（每张图像分辨率为28x28像素）的批次将会有一个形状为 [64, 3, 28, 28] 的张量。
![[学习笔记]刘知远团队大模型技术与交叉应用L1-NLP&Big Model Basics](https://img-blog.csdnimg.cn/direct/3a9b8564f9dc420bb0a354b48da84937.png)
