Machine learning caffe能重塑层做转置吗_Machine Learning_Neural Network_Computer Vision_Deep Learning_Caffe

Machine learning caffe能重塑层做转置吗

machine-learning neural-network computer-vision deep-learning

Machine learning caffe能重塑层做转置吗,machine-learning,neural-network,computer-vision,deep-learning,caffe,Machine Learning,Neural Network,Computer Vision,Deep Learning,Caffe,Caffe已经实现了重塑层，但假设我想首先重塑一个1，n，k，p到1，a，b，k，p的blob，其中n=a*b，然后将其转置到形状1，b，a，k，p，如何实现这个操作，我知道我可以编写一个单独的python层，并使用numpy.reforme和numpy.transpose执行所有这些操作，但这并不高效，是吗？转置和重塑是两种根本不同的操作：虽然“重塑”仅更改水滴的形状，但它不会影响其内部结构，因此可以非常高效地执行。另一方面，转置重新排列blob的数据让我们看一个简单的例子。假设您有一个

Caffe已经实现了重塑层，但假设我想首先重塑一个1，n，k，p到1，a，b，k，p的blob，其中n=a*b，然后将其转置到形状1，b，a，k，p，如何实现这个操作，我知道我可以编写一个单独的python层，并使用numpy.reforme和numpy.transpose执行所有这些操作，但这并不高效，是吗？

转置和重塑是两种根本不同的操作：虽然“重塑”仅更改水滴的形状，但它不会影响其内部结构，因此可以非常高效地执行。另一方面，转置重新排列blob的数据

让我们看一个简单的例子。假设您有一个2x2的blob，其中包含值

[[0, 1], [2, 3]]

在内存中，这些值以1D连续方式存储，行主键：

[0, 1, 2, 3]

如果将水滴重塑为4x1

[[0], [1], [2], [3]]

内存中元素的基本排列没有改变。但是，如果您将blob转换为

[[0, 2], [1, 3]]

基本安排也更改为

[0, 2, 1, 3]

因此，不能使用“重塑层”来转置blob

Caffe SSD分支有一层，相当于转置

关于性能的说明：虽然重塑只会更改blob的头O1运行时和空间，但transpose需要重新安排内存中的元素，从而占用时间和空间。更糟糕的是，如果使用numpy.transpose执行任务，则意味着您在CPU主机内存中进行了转置，从而在CPU和GPU内存之间添加了两个同步操作同步GPU->CPU，转置CPU，同步CPU->GPU。因此，如果您别无选择，只能转置aka Permute，请确保您有一个GPU实现。

转置和重塑是两个根本不同的操作：虽然“重塑”仅更改水滴的形状，但它不会影响其内部结构，因此可以非常高效地执行。另一方面，转置重新排列blob的数据