Caffe - Concat图层输入和输出

时间:2017-11-05 10:01:17

标签: machine-learning neural-network deep-learning caffe

我在Caffe website上读到了Concat图层。但是,我不知道我对它的理解是否正确。

让我们说作为输入我有两层可以描述为 W1 x H1 x D1 W2 x H2 x D2 ,其中 W < / strong>是宽度, H 是高度, D 是深度。

因此,据我所知,Axis设置为 0 输出将(W1 + W2)x(H1 + H2)x D,其中D = D1 = D2

当轴设置为 1 时,输出将 W x H x(D1 + D2),其中 H = H1 = H2 和< strong> W = W1 = W2

我的理解是否正确?如果不,我会感激解释。

1 个答案:

答案 0 :(得分:5)

我担心你有点不对...... 请看this caffe.help

通常,caffe中的数据存储在 4 D&#34; blob&#34;:B x C x H x {{1 (即按通道/特征/深度按高度乘宽度的批量大小) 现在,如果您有两个blob W x B1 x C1 x H1W1 x B2 x C2 x {{ 1}}您可以沿着H2(沿着通道维度)连接它们以形成带有W2的输出blob。只有axis: 1C=C1+C2以及B1==B2才会出现这种情况,结果为H1==H2 x W1==W2 x B1 x (C1+C2)