Neural network Caffe可变批量

我知道如果我有如下的输入层，我的网络将接收维度为

（1,1100100）

的blob

---

如何使第一个维度（输入批量大小）变为变量？因此，我可以输入不同大小的网络批？

在调用

forward（）

方法之前，您可以重塑网络。因此，如果您想要一个可变的批处理大小，您应该每次都重新调整批处理大小。这可以在您使用的任何接口（C、python、MATLAB）中完成

在python中，它是这样的：

net.blobs['data'].reshape(BATCH_SIZE, CHANNELS, HEIGHT, WIDTH)
net.reshape()
net.forward()

---

提示：我相信NET.RESHAPEE（）/Cyp>是可选的，网络在执行前向动作之前调用这个。

< P>除了AHA的回答之外，C++中的内容类似于

Blob<float>* input_layer = net_->input_blobs()[0];
input_layer->Reshape(batch_size, input_layer->shape(1), input_layer->shape(2), input_layer->shape(3));
net_->Reshape();

Blob*input\u layer=net\u->input\u Blob（）[0]；
输入_层->整形（批量_大小，输入_层->形状（1），输入_层->形状（2），输入_层->形状（3））；
net_uu1;->重塑（）；

我认为在函数

Net:：Forward（const vector&bottom，Dtype*loss）

中，只需修改

Net\u input\u blobs\u[I]->CopyFrom（*bottom[I]）

to

net\u input\u blobs\ui]->CopyFrom（*底部[i]，false，true）

可以帮助，它将根据

底部
水滴形状重塑输入。@DaleSong许多感谢者我发现这是一个对caffe有用的教程：我遵循您的示例，但我遇到了如下错误：`Check failed:top[0]->count（）==bottom[0]->count（）（6656对11188736）输出计数必须与输入计数匹配`，您知道发生了什么吗？
Blob<float>* input_layer = net_->input_blobs()[0];
input_layer->Reshape(batch_size, input_layer->shape(1), input_layer->shape(2), input_layer->shape(3));
net_->Reshape();