如何展平层展开输入图像？
How flatten layer unroll input images?
如何展平图层展开输入图像？
例如，输入 - 深度为 512 的 7x7 图像。
扁平层如何将输入数据展开为矢量？
我想在这种情况下无法给出普遍有效的答案。
扁平化取决于实现。
如何执行扁平化取决于您（或您使用的库）。
例如，您可以通过获取每一行来展平 7x7 图像（一个通道），将其转换为列向量并将所有列向量相互堆叠（对于以下名为 'channel vector' 的部分） .
假设您有 n 个通道（例如 n = 512）：
您可以对导致 n 'channel vectors' 的每个特征图（即通道）执行上述扁平化。
您可以分别并行处理它们，也可以将所有通道向量相互堆叠以获得包含所有特征图的所有活动的向量。
需要展平步骤，以便您可以在一些卷积层之后使用全连接层。
全连接层没有像卷积层那样的局部限制（它仅通过使用卷积滤波器观察图像的某些局部部分）。
这意味着您可以组合所有已找到的先前卷积层的局部特征。
如何展平图层展开输入图像？ 例如，输入 - 深度为 512 的 7x7 图像。 扁平层如何将输入数据展开为矢量？
我想在这种情况下无法给出普遍有效的答案。 扁平化取决于实现。 如何执行扁平化取决于您（或您使用的库）。
例如，您可以通过获取每一行来展平 7x7 图像（一个通道），将其转换为列向量并将所有列向量相互堆叠（对于以下名为 'channel vector' 的部分） .
假设您有 n 个通道（例如 n = 512）： 您可以对导致 n 'channel vectors' 的每个特征图（即通道）执行上述扁平化。 您可以分别并行处理它们，也可以将所有通道向量相互堆叠以获得包含所有特征图的所有活动的向量。
需要展平步骤，以便您可以在一些卷积层之后使用全连接层。 全连接层没有像卷积层那样的局部限制（它仅通过使用卷积滤波器观察图像的某些局部部分）。 这意味着您可以组合所有已找到的先前卷积层的局部特征。