Ale*_*onk 3 machine-learning neural-network deep-learning caffe
我在Caffe 网站上阅读了有关Concat层的信息。但是,我不知道我的理解是否正确。
假设输入有两层,分别可以描述为W1 x H1 x D1和W2 x H2 x D2,其中W是宽度,H是高度,D是深度。
因此,据我了解,将Axis设置为0时,输出将为(W1 + W2)x(H1 + H2)x D,其中D = D1 = D2。
将Axis设置为1时,输出为W xH x(D1 + D2),其中H = H1 = H2和W = W1 = W2。
我的理解正确吗?如果没有,我将不胜感激。
恐怕您有点失望 ...
看一下caffe.help。
通常,caffe中的数据存储在4个 “斑点”中:B
x C
x H
x W
(即,批次大小(按通道/功能/深度(按深度)按宽度))。
现在,如果您有两个blob B1
x C1
x H1
x W1
和B2
x C2
x H2
x W2
,则可以沿它们axis: 1
(沿通道尺寸)将它们串联起来,以形成一个输出Blob C=C1+C2
。这仅当iff B1==B2
和H1==H2
and 时才可能W1==W2
,得到B1
x (C1+C2)
x H1
xW1
归档时间: |
|
查看次数: |
1564 次 |
最近记录: |