有没有办法改变卷积神经网络中全连接层的默认输出形状？
Is there any way to change the default output shape of a fully connected layer in a convolutional neural network?
我正在阅读 paper 关于使用多尺度 CNN 进行深度预测的文章。
基于论文，他们在第一个规模中使用了 AlexNet 或 VGGNet。
我也有兴趣为此使用 VGGNet。关于这个话题，我心里有一些暗点。例如，如下图 table 所示，第二个 FC 层（1.6 和 1.7 是 FC 层）的输出具有奇怪的 19*14 形状：
据我了解，FC层不是空间定位的，所以它们的输出形状应该是一维的：
1 * (# of outputs) 对于小批量中的每个样本，（这里我的批量大小是 16）：
所以这是我的问题：
有什么办法可以改变全连接层的参数，使其在输出端具有这样的维度(19*14)？
FC层没有这样的参数，但是你可以使用Reshape层将输出整形为你想要的大小。
FC 层的输出将是 64x266。您可以将其重塑为 64x19x14.
重塑图层的文档：http://caffe.berkeleyvision.org/tutorial/layers.html
我正在阅读 paper 关于使用多尺度 CNN 进行深度预测的文章。
基于论文，他们在第一个规模中使用了 AlexNet 或 VGGNet。
我也有兴趣为此使用 VGGNet。关于这个话题，我心里有一些暗点。例如，如下图 table 所示，第二个 FC 层（1.6 和 1.7 是 FC 层）的输出具有奇怪的 19*14 形状：
据我了解，FC层不是空间定位的，所以它们的输出形状应该是一维的：
1 * (# of outputs) 对于小批量中的每个样本，（这里我的批量大小是 16）：
所以这是我的问题：
有什么办法可以改变全连接层的参数，使其在输出端具有这样的维度(19*14)？
FC层没有这样的参数，但是你可以使用Reshape层将输出整形为你想要的大小。
FC 层的输出将是 64x266。您可以将其重塑为 64x19x14.
重塑图层的文档：http://caffe.berkeleyvision.org/tutorial/layers.html