我正在编写一个代码,用CUDNN在C++中用我的书面库运行TysFraceMealm模型。但它在平坦层上给了我奇怪的结果。在我的模型中,我指定在每个层上首先使用通道。比如说,前一个maxpool层的输出是形状批次、通道、高宽度,它将被输入到平坦层。我在这里指定我在展平层中首先使用通道。但将图层展平,会得到相反方向的结果(最后是通道)
例如,参见以下输入
inputs = np.arange(75.0).reshape((1,3,5,5))
k = 0;
for n in range(1):
for h in range(3):
for w in range(5):
for c in range(5):
inputs[n][h][w][c]=k
k=k+1
print(inputs.shape)
print(inputs)
(1, 3, 5, 5)
[[[[ 0. 1. 2. 3. 4.]
[ 5. 6. 7. 8. 9.]
[10. 11. 12. 13. 14.]
[15. 16. 17. 18. 19.]
[20. 21. 22. 23. 24.]]
[[25. 26. 27. 28. 29.]
[30. 31. 32. 33. 34.]
[35. 36. 37. 38. 39.]
[40. 41. 42. 43. 44.]
[45. 46. 47. 48. 49.]]
[[50. 51. 52. 53. 54.]
[55. 56. 57. 58. 59.]
[60. 61. 62. 63. 64.]
[65. 66. 67. 68. 69.]
[70. 71. 72. 73. 74.]]]]
fl = layers.Flatten(data_format='channels_first')
outputs = fl(inputs)
print(outputs.shape)
print(outputs)
(1, 75)
tf.Tensor(
[[ 0. 25. 50. 1. 26. 51. 2. 27. 52. 3. 28. 53. 4. 29. 54. 5. 30. 55.
6. 31. 56. 7. 32. 57. 8. 33. 58. 9. 34. 59. 10. 35. 60. 11. 36. 61.
12. 37. 62. 13. 38. 63. 14. 39. 64. 15. 40. 65. 16. 41. 66. 17. 42. 67.
18. 43. 68. 19. 44. 69. 20. 45. 70. 21. 46. 71. 22. 47. 72. 23. 48. 73.
24. 49. 74.]], shape=(1, 75), dtype=float32)
我认为输出应该是0,1,2,3。。。不是上面的那个。我可以得到我想要的输出使用通道_最后只在平坦层,但这对我来说没有意义
为什么会有什么不同呢?展平层的输出不必排序。它在失去4D形状后就不再“有意义”,并失去了可以通过卷积层提取的空间意义。在那之后,无论在哪里都不重要
相关问题 更多 >
编程相关推荐