我正在尝试将几个底部blob合并到一个顶部blob中，然后将其提供给下一层 这些斑点来自不同的卷积/ FC层，因此它们的形状不同 我尝试了concat图层，但使用0或1轴，我得到错误，如：
I1217 23:47:56.877848 9968 layer_factory.cpp:58] Creating layer concat_fuse2
I1217 23:47:56.878350 9968 net.cpp:100] Creating Layer concat_fuse2
I1217 23:47:56.878350 9968 net.cpp:434] concat_fuse2 <- relu4_relu4_0_split_1
I1217 23:47:56.878850 9968 net.cpp:434] concat_fuse2 <- relu5_relu5_0_split_1
I1217 23:47:56.879349 9968 net.cpp:434] concat_fuse2 <- relu6_relu6_0_split_0
I1217 23:47:56.879349 9968 net.cpp:408] concat_fuse2 -> fuse_4_6
F1217 23:47:56.879849 9968 concat_layer.cpp:42] Check failed: top_shape[j] == bottom[i]->shape(j) (32 vs. 16) All inputs must have the same shape, except at concat_axis.
*** Check failure stack trace: ***
我应该怎么做？
答案 0 :(得分：4)
Caffe在错误消息中告诉您失败的原因：
除concat_axis外，所有输入必须具有相同的形状。
原因是，所有数据都存储在Blobs中，这些数据是 N - 维数组。图像数据的典型Blob有四个维度：数字 N x通道 K x高度 H x宽度 W 。在Blob中，通道的宽度，高度和数量必须相同。这意味着，一批中的所有图像必须具有相同数量的通道，宽度和高度。
Concat用于沿轴0（图像数）或轴1（通道）连接。这意味着，您只能连接具有相同高度和宽度的输入。
现在，我假设您在连接图层之后仅使用FC图层，因为我不认为您可以通过这种连接很好地保留空间信息。这意味着，如果输入是 H x W 图像或 1 x HW 向量，它对网络没有影响。
因此，您可以使用Reshape图层来堆叠 K 维度中的所有信息，即频道数量。因此，我们从尺寸 N x K x H x W 到尺寸 N x KHW x 1 x 1 。在所有输入Blob上完成此操作后，您可以轻松地沿轴1使用Concat。