Question

如何在Caffe中将形状N x C x H x W的blob重塑为N x 1 x (C*H) x W？

我想制作一个卷积层，其权重在通道之间是相同的。

我提出的一种方法是将形状N x C x H x W的底部形状重塑为N x 1 x (C*H) x W并在其上放置卷积层。但我只是不知道如何重塑一个blob。

请帮帮我，谢谢。

Answer 1

正如whjxnyzh指出的那样，您可以使用"Reshape"图层。 Caffe在允许您定义输出形状方面非常灵活见the declaration of reshap_param in caffe.proto`：

// Specify the output dimensions. If some of the dimensions are set to 0,
// the corresponding dimension from the bottom layer is used (unchanged).
// Exactly one dimension may be set to -1, in which case its value is
// inferred from the count of the bottom blob and the remaining dimensions.

在你的情况下，我猜你会有一个这样的层：

layer {
  name: "my_reshape"
  type: "Reshape"
  bottom: "in"
  top: "reshaped_in"
  reshape_param { shape: {dim: 0 dim: 1 dim: -1 dim: 0 } }
}

另见caffe.help。

Answer 2

Caffe现在有一个reshapeLayer给你。 http://caffe.berkeleyvision.org/doxygen/classcaffe_1_1ReshapeLayer.html

Answer 3

如果我理解你的最终目标，Caffe的卷积层已经可以使用常见/共享过滤器进行多输入输出卷积，例如：

layer {
  name:   "conv"
  type:   "Convolution"
  bottom: "in1"
  bottom: "in2"
  bottom: "in3"
  top:    "out1"
  top:    "out2"
  top:    "out3"
  convolution_param {
    num_output : 10  #the same 10 filters for all 3 inputs
    kernel_size: 3        
  }
}

假设您已经分割了所有流（切片图层可以执行此操作），最后您可以根据需要将它们合并为concat或eltwise图层。

避免重塑blob，卷积，然后重新整形，这可能会在边缘附近引入跨通道干扰。

Answer 4

不确定这是否完全符合您的规格，但Caffe确实有平整层。 blob从n * c * h * w变为n *（c h w）* 1 * 1.

请参阅http://caffe.berkeleyvision.org/tutorial/layers.html

如何重塑Caffe中的blob？

4 个答案: