在 Keras 中如何理解 Caffe reshape 参数和重新实现？

【问题标题】：How to understand Caffe reshape parameters and reimplement in Keras?在 Keras 中如何理解 Caffe reshape 参数和重新实现？
【发布时间】：2018-05-11 02:03:59
【问题描述】：

我不确定如何解释重塑参数。这里http://caffe.berkeleyvision.org/tutorial/layers/reshape.html 表示 0 表示复制，-1 表示推断。当 -1 不是最后一个参数时是否相同？谁能帮我理解一下？

 layer {
  name: "Layer1"
  type: "Reshape"
  bottom: "Layer1"
  top: "Layer2"
  reshape_param {
  shape {
      dim: 0
      dim: 2
      dim: -1
      dim: 0
}
}

另外，如果我想在 Keras 中实现相同的层，我是否也使用 Keras 重塑层，例如：

Layer2 = K.reshape(Layer1,(-1,input_dim))

【问题讨论】：

参见this good documentation 关于"Reshape" 层。

标签： neural-network keras caffe reshape layer

【解决方案1】：

这意味着考虑到您有一个形状为(a, b, c, d, e) 的输入，您的输出将具有以下形状：

(a, 2, b * c * e / 2, d)

值a 和d 是从上一层复制而来的。值 2 是强制的，值 -1 计算保持与输入相同数量的元素所需的任何值。

在 Keras 中，由于您没有更改第一个维度（批量大小），因此您只需要一个常规的 Reshape 层来忽略批量大小：

Reshape((2,-1,youMustKnowThis))

在Sequential 模型中，只需添加这一层：

sequentialModel.add(Reshape((2,-1,youMustKnowThis))

在函数式 API Model 中，传递上一层的输出：

newShaped = Reshape((2,-1,youMustKnowThis))(outputOfPreviousLayer)

【讨论】：