Neural network 如何重塑咖啡馆中的一团？

如何在Caffe中将形状

nxcxhxw

的水滴重塑为

nx1x（C*H）xw

我想做一个卷积层，它的权重在通道之间是相同的

我想到的一种方法是将形状的底部斑点重塑为

nxcxhxw

到

nx1x（C*H）xw

，并在其上放置一个卷积层。但我只是不知道如何重塑一团

---

请帮帮我，谢谢。

不确定这是否符合您的规格，但Caffe确实有压扁层。水滴从n*c*h*w变为n*（chw）*1*1

---

请参见

Caffe现在为您提供了一个重塑层。

正如所指出的，您可以使用

“重塑”

图层。Caffe在定义输出形状方面非常灵活。
见：

在你的情况下，我想你会有这样一层：

layer {
  name: "my_reshape"
  type: "Reshape"
  bottom: "in"
  top: "reshaped_in"
  reshape_param { shape: {dim: 0 dim: 1 dim: -1 dim: 0 } }
}

---

另请参见。

如果我正确理解您的最终目标，Caffe的卷积层已经可以使用公共/共享过滤器进行多输入输出卷积，如：

layer {
  name:   "conv"
  type:   "Convolution"
  bottom: "in1"
  bottom: "in2"
  bottom: "in3"
  top:    "out1"
  top:    "out2"
  top:    "out3"
  convolution_param {
    num_output : 10  #the same 10 filters for all 3 inputs
    kernel_size: 3        
  }
}

假设您将所有流分割（切片层可以做到这一点），最后，如果需要，您可以将它们与concat或eltwise层合并

---

这避免了对blob进行整形、卷积，然后再对其进行整形的需要，这可能会在边缘附近引入交叉信道干扰。

这也可以通过blob的类方法

整形（const vector&shape）

实现吗？类方法

重塑

和重塑层之间有什么区别？

layer {
  name:   "conv"
  type:   "Convolution"
  bottom: "in1"
  bottom: "in2"
  bottom: "in3"
  top:    "out1"
  top:    "out2"
  top:    "out3"
  convolution_param {
    num_output : 10  #the same 10 filters for all 3 inputs
    kernel_size: 3        
  }
}