如何理解 Keras 中的 Caffe 重塑参数和重新实现？

Question

我不确定如何解释重塑参数。这里 http://caffe.berkeleyvision.org/tutorial/layers/reshape.html 表示 0 表示复制，-1 表示推断。当-1 不是最后一个参数时是否相同？谁能帮我理解一下？

 layer {
  name: "Layer1"
  type: "Reshape"
  bottom: "Layer1"
  top: "Layer2"
  reshape_param {
  shape {
      dim: 0
      dim: 2
      dim: -1
      dim: 0
}
}

此外，如果我想在 Keras 中实现相同的层，我是否也使用 Keras 重塑层，如：

Layer2 = K.reshape(Layer1,(-1,input_dim))

Answer 1

这意味着考虑到您的输入形状为 (a, b, c, d, e)，您的输出形状为：

(a, 2, b * c * e / 2, d)

值a和d是从上一层复制过来的。值 2 是强制的，值 -1 计算保持与输入相同数量的元素所需的任何值。

在 Keras 中，由于您没有更改第一个维度（批量大小），因此您只需要一个忽略批量大小的常规 Reshape 层：

Reshape((2,-1,youMustKnowThis))

在Sequential模型中，只需添加这一层：

sequentialModel.add(Reshape((2,-1,youMustKnowThis))

在函数式APIModel中，传递上一层的输出：

newShaped = Reshape((2,-1,youMustKnowThis))(outputOfPreviousLayer)

如何理解 Keras 中的 Caffe 重塑参数和重新实现？

How to understand Caffe reshape parameters and reimplement in Keras?

layer

neural-network

reshape

caffe

keras