Computer vision 在caffe中对通道中的元素求和_Computer Vision_Deep Learning_Caffe

Computer vision 在caffe中对通道中的元素求和

computer-vision deep-learning

Computer vision 在caffe中对通道中的元素求和,computer-vision,deep-learning,caffe,Computer Vision,Deep Learning,Caffe,如果我有一个4-D blob，比如大小（401024300,1），我想平均第二个通道上的池并生成大小（40,1300,1）的输出，我该如何做？我认为还原层会折叠整个blob，并通过将所有其他轴中的元素相加（1之后）生成一个大小为（40）的blob。在不重新实现新层的情况下，有什么解决方法吗？我发现的唯一简单的解决方法如下。将你的斑点排列成一个形状（40300,11024）。使用还原层计算轴=-1和操作=平均值的平均值。我认为这个斑点的形状将是（40300,1）。您可能需要使用重塑在末端附加一个额

如果我有一个4-D blob，比如大小（401024300,1），我想平均第二个通道上的池并生成大小（40,1300,1）的输出，我该如何做？我认为还原层会折叠整个blob，并通过将所有其他轴中的元素相加（1之后）生成一个大小为（40）的blob。在不重新实现新层的情况下，有什么解决方法吗？

我发现的唯一简单的解决方法如下。将你的斑点排列成一个形状

（40300,11024）

。使用还原层计算轴=-1和操作=平均值的平均值。我认为这个斑点的形状将是

（40300,1）

。您可能需要使用

重塑

在末端附加一个额外的尺寸（检查是否需要），然后重新排列回形状

（40,1300,1）

您可以找到

Permute

层或的实现。我希望这能有所帮助。

谢谢，我也想过用魏的分公司。很奇怪，像这样的简单操作在caffe中不受支持。我最终实现了cuda内核，因为在这个特殊情况下它们并不复杂。你是为Wei的分支实现cuda内核还是为一个全新的层实现cuda内核？如果您计划随时共享这部分代码，请告诉我。这是一个新层，仅适用于通道维度上的池。一旦我正确地测试了它，我将在github上共享它。