Caffe：5D Blob池化？

Question

Caffe：5D Blob池化？

machine-learningneural-networkdeep-learningcaffeconv-neural-network

3

我有一个5D的blob，类似于1x8x128x128，我有一个卷积层可以处理这个5D blob。但是当我想使用池化层时，它就不能正常工作了。怎么才能在一个5D的blob上使用pooling层呢？

检查失败：4 == bottom[0]->num_axes() (4 vs. 5) 输入必须有4维，对应于(num, channels, height, width)

我认为Caffe还没有支持这个功能。我能否只使用卷积层并进行池化处理呢？

- user4911648

好的，那么如何省略一个维度，然后再次进行重塑并添加一个维度呢？我知道如何添加一个维度，但我不知道如何省略一个维度。@Shai - user4911648

@thigi 顺便问一下，你考虑在 BVLC\caffe 的 Github 上提出请求了吗？ - Shai

你看过这个链接吗：pull request？我认为这应该足够了，或者你认为我应该发起一个请求吗？@Shai - user4911648

1

@Shai 同意您的观点。 - Dale

@thigi 我不确定这个拉取请求是否涉及ND池化，它只改变了cuDNN的支持。你需要仔细看一下。 - Shai

显示剩余5条评论

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Shai · Accepted Answer

如果你只想汇集前两个空间维度，可以通过"Reshape"到4D（"压缩"通道和时间维度），进行汇集，然后再通过"Reshape"回到5D：

layer {
  name: "pool/reshape4D"
  type: "Reshape"
  bottom: "in"
  top: "pool/reshape4D"
  reshape_param { axis: 1 num_axes: 1 shape { dim: -1 } }
}
layer {
  name: "pool"
  type: "Pooling"
  bottom: "pool/reshape4D"
  top: "pool"
  # pooling params here...
}
layer {
  name: "pool/reshape5D"
  type: "Reshape"
  bottom: "pool"
  top: "pool/reshape5D"
  reshape_param { axis: 1 num_axes: 1 shape { dim: -1 dim: <temporal_dim> } } # replace <.> with the actual temporal dimension size.
}

有关详细信息，请参见caffe.proto中ReshapeParameter的定义。