nn.Flatten()：将多维张量平坦化为二维张量

nn.Flatten()函数的作用是将多维张量平坦化为二维张量。在深度学习中，常常需要将高维输入数据展平为一维向量或二维矩阵，以便进行后续的神经网络操作。nn.Flatten()函数提供了简便的方法来实现这一需求。
参数：

• start_dim（int）：起始维度。从哪个维度开始展平输入张量。默认为0。
• end_dim（int）：结束维度。展平到哪个维度结束。默认为-1，表示展平到倒数第二个维度。
  使用方法：
  使用nn.Flatten()函数非常简单，只需要将需要展平的张量作为输入，并指定起始和结束维度即可。函数会自动计算展平后的维度大小。
  示例：
  下面是一个使用nn.Flatten()函数的示例，演示如何将一个形状为[batch_size, channels, height, width]的四维张量展平为[batch_size, channelsheightwidth]的二维张量：

  import torch
  import torch.nn as nn
  # 创建一个四维张量，形状为[batch_size, channels, height, width]
  x = torch.randn(32, 3, 28, 28)  # 假设batch_size=32，channels=3，height=28，width=28
  # 使用nn.Flatten()函数将张量展平为二维张量
  x_flat = nn.Flatten()(x)
  # 输出展平后的张量形状
  print(x_flat.shape)  # 输出：[32, 3 * 28 * 28]

  在上面的示例中，我们首先创建了一个形状为[batch_size, channels, height, width]的四维张量x，然后使用nn.Flatten()函数将其展平为二维张量x_flat。最后，我们输出了展平后的张量形状。需要注意的是，nn.Flatten()函数会自动计算展平后的维度大小，因此不需要手动指定展平后的维度。
  总结：nn.Flatten()函数是PyTorch中用于将多维张量平坦化为二维张量的便捷工具。通过指定起始和结束维度，可以灵活地控制展平操作的维度范围。通过示例可以看出，使用nn.Flatten()函数可以方便地实现高维数据的扁平化处理，为后续的神经网络操作提供便利。