1.首先阅读数据预处理的代码，确定送入神经网络的输入x的张量形状。比如现在有个语音输入特征张量x形状为[16, 1, 256, 40]，【批量，通道数，像素宽度，特征维度】。
如果看不懂，可以先在网络的forward最开始进行print(x.shape)打印。
2.常见改变张量形状的方法：
（1）
#x形状为[16, 1, 256, 40]
x = x.view(x.size(0), x.size(1) * x.size(2), x.size(3))#x形状为【16,1*256,40】即合并了中间两个维度，变为【16,256,40】
x = x.permute(0, 2, 1) #调整维度顺序，现在x形状为【批量，特征维度，像素宽度】
（2）
#x形状为[16, 2, 256, 40]
x = x[:, 0, :, :]#取第一个通道特征，x形状为【16,1,256,40】
x = x.squeeze(1)#删除值为1的维度，现在x形状为【16,256,40】