Caffe - Concat层输入和输出
Caffe - Concat layer input and output
我在 Caffe 上阅读了有关 Concat 层的信息 website。不过不知道我的理解对不对
假设我有两层作为输入，可以描述为 W1 x H1 x D1 和 W2 x H2 x D2，其中 W 是宽度，H 是高度，D 是深度。
因此，据我所知，轴设置为 0 输出将是 (W1 + W2) x (H1 + H2) x D，其中 D = D1 = D2.
轴设置为 1 输出将为 W x H x (D1 + D2)，其中 H = H1 = H2 和 W = W1 = W2.
我的理解对吗？如果没有，我将不胜感激。
恐怕你有点不对...
看看this caffe.help.
通常caffe中的数据存储在4D"blobs":BxCxHxW（即批量大小乘channel/feature/depth乘高乘宽）。
现在如果你有两个 blob B1xC1xH1xW1 和 B2xC2xH2xW2 您可以沿 axis: 1（沿通道维度）将它们连接起来以形成具有 C=C1+C2 的输出 blob。这只有当 B1==B2 和 H1==H2 和 W1==W2 时才有可能，结果是 B1x(C1+C2)xH1xW1
我在 Caffe 上阅读了有关 Concat 层的信息 website。不过不知道我的理解对不对
假设我有两层作为输入，可以描述为 W1 x H1 x D1 和 W2 x H2 x D2，其中 W 是宽度，H 是高度，D 是深度。
因此，据我所知，轴设置为 0 输出将是 (W1 + W2) x (H1 + H2) x D，其中 D = D1 = D2.
轴设置为 1 输出将为 W x H x (D1 + D2)，其中 H = H1 = H2 和 W = W1 = W2.
我的理解对吗？如果没有，我将不胜感激。
恐怕你有点不对...
看看this caffe.help.
通常caffe中的数据存储在4D"blobs":BxCxHxW（即批量大小乘channel/feature/depth乘高乘宽）。
现在如果你有两个 blob B1xC1xH1xW1 和 B2xC2xH2xW2 您可以沿 axis: 1（沿通道维度）将它们连接起来以形成具有 C=C1+C2 的输出 blob。这只有当 B1==B2 和 H1==H2 和 W1==W2 时才有可能，结果是 B1x(C1+C2)xH1xW1