连接层是否真的在caffe中产生4D输出?

时间:2017-02-08 18:33:39

标签: deep-learning caffe concat

我在这里阅读了关于连接层的文档:Layer Catalogue Concat。它声明:

  

输入:

     

n_i * c_i * h * w for each input blob i from 1 to K.

     

输出:

     

如果axis = 0:(n_1 + n_2 + ... + n_K) * c_1 * h * w,并且所有输入都是c_i   应该是一样的。

     

如果axis = 1:n_1 * (c_1 + c_2 + ... + c_K) * h * w,则所有输入n_i应该相同。

然而,当所有图层都接受3D输入时,我很难想象这会有怎样的四维输出?是否有某种技巧可以将4D输出作为3D输出读取?

1 个答案:

答案 0 :(得分:1)

实际上输入和输出具有所有4D:批量维度,通道数量,高度和宽度。在特殊情况下,您可以获得不同数量的尺寸(例如,用于RGB-D输入的5D),但对于标准RGB图像,4D保持在任何地方(完全连接的图层除外)。