machine-learning - Caffe - 连接层输入和输出

Question

我读到了 Caffe 上的 Concat 层 website 。不过不知道我的理解是否正确。

假设作为输入，我有两个层，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，据我了解，将轴设置为 0 时，输出将为 (W1 + W2) x (H1 + H2) x D，其中 D = D1 = D2 .

将轴设置为 1 时，输出将为 W x H x (D1 + D2)，其中 H = H1 = H2 且 <强>W = W1 = W2。

我的理解正确吗？如果没有，我将不胜感激的解释。

Answer 1

恐怕你有点不对劲...
看this caffe.help .

通常，caffe中的数据存储在4D“blob”中:BxCxH xW(即批量大小按 channel /特征/深度按高度按宽度)。
现在，如果您有两个 Blob B1xC1xH1xW1 和 B2 xC2xH2xW2 您可以沿 axis: 1(沿 channel 维度)将它们连接起来形成一个输出 blob 为 C=C1+C2。仅当 B1==B2 和 H1==H2 和 W1==W2 时才可能，结果为 B1 >x(C1+C2)xH1xW1